支持的输入特征类型

BigQuery ML 支持针对不同的模型类型使用不同的输入特征类型。下表列出了支持的输入特征类型：

模型类别	模型类型	数值类型（INT64、NUMERIC、BIGNUMERIC、FLOAT64）	分类类型（BOOL、STRING、BYTES、DATE、DATETIME）	TIMESTAMP	STRUCT	GEOGRAPHY	ARRAY<数值类型>	ARRAY<分类类型>	ARRAY<STRUCT<INT64、数值类型>>
监督式学习	线性回归和逻辑回归	✔	✔	✔	✔		✔	✔	✔
	深度神经网络	✔	✔		✔		✔	✔	✔
	Wide & Deep	✔	✔		✔		✔	✔	✔
	提升树	✔	✔		✔		✔	✔	✔
	AutoML Tables	✔	✔	✔	✔		✔	✔
非监督式学习	K-means	✔	✔	✔	✔	✔	✔	✔
	PCA	✔	✔	✔	✔		✔	✔
	自动编码器	✔	✔	✔	✔		✔	✔	✔
时序模型	ARIMA_PLUS_XREG	✔	✔	✔	✔			✔	✔

注意：矩阵分解和 ARIMA_PLUS 模型具有特殊的输入特征类型。针对 ARIMA_PLUS_XREG 列出的输入类型仅适用于外部回归器。

密集矢量输入

在模型训练期间，BigQuery ML 支持使用 ARRAY<numerical> 作为密集矢量输入。嵌入特征是一种特殊类型的密集矢量。如需了解详情，请参阅 ML.GENERATE_EMBEDDING 函数。

稀疏输入

BigQuery ML 支持在模型训练期间使用 ARRAY<STRUCT> 作为稀疏输入。每个结构体包含一个 INT64 值（表示从零开始的索引）和一个数字类型（表示相应值）。

以下是整数数组的稀疏张量输入示例：[0,1,0,0,0,0,1]

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