Tipos de recursos de entrada com suporte

O BigQuery ML é compatível com diferentes tipos de atributos de entrada para diferentes tipos de modelo. Os tipos de atributos de entrada compatíveis estão listados na tabela a seguir:

Categoria do modelo	Tipos de modelos	Tipos numéricos (INT64, NUMERIC, BIGNUMERIC, FLOAT64)	Tipos categóricos (BOOL, STRING, BYTES, DATE, DATETIME)	TIMESTAMP	STRUCT	GEOGRAPHY	ARRAY<Tipos numéricos>	ARRAY<Tipos categóricos>	ARRAY<STRUCT<INT64, Tipos numéricos>>
Aprendizado supervisionado	Regressão linear e logística	✔	✔	✔	✔		✔	✔	✔
	Redes neurais profundas	✔	✔		✔		✔	✔	✔
	Amplitude e profundidade	✔	✔		✔		✔	✔	✔
	Árvores aprimoradas	✔	✔		✔		✔	✔	✔
	AutoML Tables	✔	✔	✔	✔		✔	✔
Aprendizado não supervisionado	K-means	✔	✔	✔	✔	✔	✔	✔
	PCA	✔	✔	✔	✔		✔	✔
	Codificador automático	✔	✔	✔	✔		✔	✔	✔
Modelos de série temporal	ARIMA_PLUS_XREG	✔	✔	✔	✔			✔	✔

Observação: os modelos de fatoração de matriz e ARIMA_PLUS têm tipos de recursos de entrada especiais. Os tipos de entrada listados para ARIMA_PLUS_XREG são apenas para regressores externos.

Entrada de vetor densa

O BigQuery ML aceita ARRAY<numerical> como entrada de vetor densa durante o treinamento do modelo. O recurso de embedding é um tipo especial de vetor denso. Consulte a função ML.GENERATE_EMBEDDING para mais informações.

Entrada esparsa

O BigQuery ML é compatível com ARRAY<STRUCT> como entrada esparsa durante o treinamento de modelo. Cada struct contém um valor INT64 que representa o índice dele baseado em zero e um tipo numérico que representa o valor correspondente.

Veja abaixo um exemplo de entrada esparsa de Tensor para a matriz de números inteiros [0,1,0,0,0,0,1]:

ARRAY<STRUCT<k INT64, v INT64>>[(1, 1), (6, 1)] AS f1