Usa BigQuery ML per prevedere il peso dei pinguini

---

In questo tutorial utilizzi una modello di regressione lineare in BigQuery ML per prevedere il peso di un pinguino in base i dati demografici dei pinguini. Una regressione lineare è un tipo di regressione che genera un valore continuo da una combinazione lineare di input le funzionalità di machine learning.

Questo tutorial utilizza bigquery-public-data.ml_datasets.penguins del set di dati.

Obiettivi

In questo tutorial imparerai a:

• Creare un modello di regressione lineare.
• Valutare il modello.
• Effettuare previsioni utilizzando il modello.

Nota: questo tutorial tratta la regressione lineare in SQL puro. Per un modello lineare un tutorial sulla regressione tramite Python e DataFrames BigQuery sullo stesso set di dati. consulta Creare un modello di regressione con BigQuery DataFrames.

Costi

Questo tutorial utilizza componenti fatturabili di Google Cloud, tra cui:

• BigQuery
• BigQuery ML

Per ulteriori informazioni sui costi di BigQuery, consulta Prezzi di BigQuery.

Per ulteriori informazioni sui costi di BigQuery ML, consulta Prezzi di BigQuery ML.

Prima di iniziare

1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

2. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

3. Attiva l'API BigQuery.

   Abilita l'API

Autorizzazioni obbligatorie

Per creare il modello utilizzando BigQuery ML, è necessario quanto segue Autorizzazioni IAM:

• bigquery.jobs.create
• bigquery.models.create
• bigquery.models.getData
• bigquery.models.updateData
• bigquery.models.updateMetadata

Per eseguire l'inferenza, devi disporre delle seguenti autorizzazioni:

• bigquery.models.getData sul modello
• bigquery.jobs.create

Crea un set di dati

Crea un set di dati BigQuery per archiviare il tuo modello ML:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai alla pagina di BigQuery

2. Nel riquadro Explorer, fai clic sul nome del tuo progetto.

3. Fai clic su Visualizza azioni > Crea il set di dati.

   

4. Nella pagina Crea set di dati, segui questi passaggi:

   • In ID set di dati, inserisci bqml_tutorial.

   • Per Tipo di località, seleziona Più regioni e poi Stati Uniti (più regioni negli Stati Uniti).

     I set di dati pubblici vengono archiviati nell'US più regioni. Per semplicità, per archiviare il set di dati nella stessa posizione.

   • Lascia invariate le restanti impostazioni predefinite e fai clic su Crea il set di dati.

     

crea il modello

Per creare un modello di regressione lineare, utilizza Dichiarazione CREATE MODEL e specifica LINEAR_REG per il tipo di modello. La creazione del modello include durante l'addestramento del modello.

Di seguito sono riportate informazioni utili in merito all'istruzione CREATE MODEL:

• La input_label_cols specifica quale colonna dell'istruzione SELECT da utilizzare come colonna dell'etichetta. In questo caso, la colonna dell'etichetta è body_mass_g. Per di regressione lineare, la colonna dell'etichetta deve avere valori reali, ovvero i valori della colonna devono essere numeri reali.

• L'istruzione SELECT di questa query utilizza le seguenti colonne nella Tabella bigquery-public-data.ml_datasets.penguins per prevedere la presenza di un pinguino peso:

  • species: la specie del pinguino.
  • island: l'isola su cui risiede il pinguino.
  • culmen_length_mm: la lunghezza in millimetri del culmen del pinguino.
  • culmen_depth_mm: la profondità in millimetri del culmen del pinguino.
  • flipper_length_mm: la lunghezza delle pinne del pinguino in millimetri.
  • sex: il sesso del pinguino.

• La clausola WHERE nell'istruzione SELECT di questa query, WHERE body_mass_g IS NOT NULL, esclude le righe in cui la colonna body_mass_g è NULL.

Esegui la query che crea il tuo modello di regressione lineare:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor query, esegui questa query:

   CREATE OR REPLACE MODEL `bqml_tutorial.penguins_model`
   OPTIONS
     (model_type='linear_reg',
     input_label_cols=['body_mass_g']) AS
   SELECT
     *
   FROM
     `bigquery-public-data.ml_datasets.penguins`
   WHERE
     body_mass_g IS NOT NULL;
   

3. Per creare il modello penguins_model sono necessari circa 30 secondi. Per vedere le apri il riquadro Explorer, espandi il set di dati bqml_tutorial e ed espandi la cartella Modelli.

Ottieni le statistiche di addestramento

Per vedere i risultati dell'addestramento del modello, puoi utilizzare Funzione ML.TRAINING_INFO, oppure puoi visualizzarle nella console Google Cloud. In questo usi la console Google Cloud.

Un algoritmo di machine learning crea un modello esaminando molti esempi e cercando di trovare un modello che minimizzi la perdita. Questo processo è chiamato empirico minimizzando il rischio.

La perdita è la penalità per una previsione errata. È un numero che indica la qualità della previsione del modello su un singolo esempio. Se il modello la previsione è perfetta, la perdita è zero; altrimenti la perdita è maggiore. La l'obiettivo dell'addestramento di un modello è trovare un insieme di ponderazioni e bias con perdita, in media, in tutti gli esempi.

Visualizzare le statistiche di addestramento del modello generate quando hai eseguito CREATE MODEL query:

1. Nel riquadro Explorer, espandi il set di dati bqml_tutorial e quindi la cartella Modelli. Fai clic su penguins_model per aprire il modello riquadro delle informazioni.

2. Fai clic sulla scheda Addestramento e quindi su Tabella. I risultati dovrebbero apparire simile al seguente:

   

   La colonna Perdita di dati di addestramento rappresenta la metrica relativa alla perdita calcolata dopo l'addestramento del modello sul set di dati di addestramento. Dato che hai eseguito un regressione lineare, questa colonna mostra errore quadratico medio valore. R normal_equation strategia di ottimizzazione viene utilizzata automaticamente per questo addestramento, pertanto necessaria per convergere al modello finale. Per ulteriori informazioni sull'impostazione della strategia di ottimizzazione del modello, consulta optimize_strategy

Valuta il modello

Dopo aver creato il modello, valuta le prestazioni del modello utilizzando Funzione ML.EVALUATE. La funzione ML.EVALUATE valuta i valori previsti generati dal modello rispetto ai dati effettivi.

Per l'input, la funzione ML.EVALUATE prende il modello addestrato e un set di dati che corrisponde allo schema dei dati utilizzati per addestrare il modello. Nella di produzione, dovresti valutare il modello con dati diversi da quelli usati per addestrarlo. Se esegui ML.EVALUATE senza fornire dati di input, la funzione recupera le metriche di valutazione calcolate durante l'addestramento. Queste metriche vengono calcolate mediante il set di dati di valutazione riservato automaticamente:

SELECT
  *
FROM
  ML.EVALUATE(MODEL `bqml_tutorial.penguins_model`);

Esegui la query ML.EVALUATE:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor query, esegui questa query:

   SELECT
     *
   FROM
     ML.EVALUATE(MODEL `bqml_tutorial.penguins_model`,
       (
       SELECT
         *
       FROM
         `bigquery-public-data.ml_datasets.penguins`
       WHERE
         body_mass_g IS NOT NULL));
   

3. I risultati dovrebbero essere simili ai seguenti:

   

   Poiché hai eseguito una regressione lineare, i risultati includono quanto segue colonne:

   • mean_absolute_error
   • mean_squared_error
   • mean_squared_log_error
   • median_absolute_error
   • r2_score
   • explained_variance

Una metrica importante nei risultati della valutazione è Punteggio R². Il punteggio R² è una misura statistica che determina se il punteggio le previsioni di regressione sono indicative dei dati effettivi. Il valore 0 indica che il modello non spiega nessuna delle variabilità dei dati di risposta intorno al media. Un valore 1 indica che il modello spiega tutte le variabilità i dati di risposta attorno alla media.

Puoi anche esaminare il riquadro delle informazioni del modello nella console Google Cloud per visualizzare le metriche di valutazione:

Usa il modello per prevedere i risultati

Ora che hai valutato il modello, il passaggio successivo è utilizzarlo per prevedere un risultato. Puoi eseguire Funzione ML.PREDICT del modello per prevedere la massa corporea in grammi di tutti i pinguini che vivono Isole Biscoe.

Per l'input, la funzione ML.PREDICT prende il modello addestrato e un set di dati che corrisponda allo schema dei dati utilizzati per addestrare il modello, tranne .

Esegui la query ML.PREDICT:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor query, esegui questa query:

   SELECT
     *
   FROM
     ML.PREDICT(MODEL `bqml_tutorial.penguins_model`,
       (
       SELECT
         *
       FROM
         `bigquery-public-data.ml_datasets.penguins`
       WHERE island = 'Biscoe'));
   

3. I risultati dovrebbero essere simili ai seguenti:

   

Spiegare i risultati della previsione

Per capire perché il modello sta generando questi risultati di previsione, puoi utilizzare il Funzione ML.EXPLAIN_PREDICT.

ML.EXPLAIN_PREDICT è una versione estesa della funzione ML.PREDICT. ML.EXPLAIN_PREDICT non solo restituisce i risultati della previsione, ma anche colonne aggiuntive per spiegare i risultati della previsione. In pratica, puoi eseguire ML.EXPLAIN_PREDICT anziché ML.PREDICT. Per ulteriori informazioni, vedi Panoramica di BigQuery ML Explainable AI.

Esegui la query ML.EXPLAIN_PREDICT:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor query, esegui questa query:

   SELECT
   *
   FROM
   ML.EXPLAIN_PREDICT(MODEL `bqml_tutorial.penguins_model`,
     (
     SELECT
       *
     FROM
       `bigquery-public-data.ml_datasets.penguins`
     WHERE island = 'Biscoe'),
     STRUCT(3 as top_k_features));
   

3. I risultati dovrebbero essere simili ai seguenti:

   

Nota: la query ML.EXPLAIN_PREDICT restituisce tutte le colonne delle caratteristiche di input, in modo simile a ML.PREDICT. Ai fini della leggibilità, solo una funzionalità nella figura precedente, species.

Per i modelli di regressione lineare, vengono utilizzati i valori di Shapley per generare caratteristiche i valori di attribuzione per ogni caratteristica del modello. ML.EXPLAIN_PREDICT output le prime tre attribuzioni delle caratteristiche per riga della tabella penguins perché top_k_features è stato impostato su 3 nella query. Queste attribuzioni sono ordinate per il valore assoluto dell'attribuzione in ordine decrescente. In tutti gli esempi, il valore la caratteristica sex ha contribuito maggiormente alla previsione complessiva.

Spiegare il modello a livello globale

Per sapere quali caratteristiche sono generalmente le più importanti per l'individuazione dei pinguini puoi utilizzare Funzione ML.GLOBAL_EXPLAIN. Per utilizzare ML.GLOBAL_EXPLAIN, devi riaddestrare il modello con Opzione ENABLE_GLOBAL_EXPLAIN impostata su TRUE.

Reimposta il modello e ottieni spiegazioni globali:

1. Nella console Google Cloud, vai alla pagina BigQuery.

   Vai a BigQuery

2. Nell'editor query, esegui questa query per riaddestrare il modello:

   #standardSQL
   CREATE OR REPLACE MODEL `bqml_tutorial.penguins_model`
     OPTIONS (
       model_type = 'linear_reg',
       input_label_cols = ['body_mass_g'],
       enable_global_explain = TRUE)
   AS
   SELECT
     *
   FROM
     `bigquery-public-data.ml_datasets.penguins`
   WHERE
     body_mass_g IS NOT NULL;
   

3. Nell'editor query, esegui questa query per ottenere spiegazioni globali:

   SELECT
     *
   FROM
     ML.GLOBAL_EXPLAIN(MODEL `bqml_tutorial.penguins_model`)
   

4. I risultati dovrebbero essere simili ai seguenti:

   

Esegui la pulizia

Per evitare che al tuo Account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

• Puoi eliminare il progetto che hai creato.
• In alternativa, puoi mantenere il progetto ed eliminare il set di dati.

Elimina il set di dati

L'eliminazione del progetto rimuove tutti i set di dati e tutte le tabelle nel progetto. Se se preferisci riutilizzare il progetto, puoi eliminare il set di dati creato tutorial:

1. Se necessario, apri la pagina BigQuery nel nella console Google Cloud.

   Vai alla pagina di BigQuery

2. Nel menu di navigazione, fai clic sul set di dati bqml_tutorial che hai creato.

3. Fai clic su Elimina set di dati sul lato destro della finestra. Questa azione elimina il set di dati, la tabella e tutti i dati.

4. Nella finestra di dialogo Elimina set di dati, digita per confermare il comando di eliminazione il nome del set di dati (bqml_tutorial), quindi fai clic su Elimina.

Elimina il progetto

Per eliminare il progetto:

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per le attività in questo documento, quando lo elimini elimini anche qualsiasi altro lavoro svolto nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, puoi riutilizzare i progetti ed evitare così di superare i limiti di quota.

1. Nella console Google Cloud, vai alla pagina Gestisci risorse.

   Vai a Gestisci risorse

2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
3. Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.

Passaggi successivi

• Per una panoramica di BigQuery ML, consulta Introduzione a BigQuery ML.
• Per informazioni sulla creazione di modelli, consulta CREATE MODEL pagina sulla sintassi.