Verfeinern Sie das Modell durch Hyperparameter-Abstimmung, um das Modell an die Trainingsdaten anzupassen.
Modell bewerten, um die Leistungsfähigkeit von Daten außerhalb des Trainings-Datasets zu bewerten und sie gegebenenfalls mit anderen Modellen zu vergleichen.
Stellen Sie die Nachvollziehbarkeit für das Modell bereit, um zu verdeutlichen, wie sich bestimmte Features auf eine bestimmte Vorhersage und auch das Modell insgesamt auswirken.
Weitere Informationen zu den Komponenten, die das Modell komprimieren, finden Sie unter Modellgewichtungen.
Da Sie in BigQuery ML viele verschiedene Arten von Modellen verwenden können, variieren die für jedes Modell verfügbaren Funktionen. Weitere Informationen zu den spezifischen Funktionen für jedes Modell finden Sie unter End-to-End-Nutzerpfad für jedes Modell.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-04 (UTC)."],[[["\u003cp\u003eBigQuery ML enables the creation and operationalization of machine learning models using SQL over BigQuery data.\u003c/p\u003e\n"],["\u003cp\u003eModel development in BigQuery ML involves creating, preprocessing, tuning, evaluating, inferencing, and explaining models.\u003c/p\u003e\n"],["\u003cp\u003eBigQuery ML supports both automatic and manual feature preprocessing via functions and the \u003ccode\u003eTRANSFORM\u003c/code\u003e clause.\u003c/p\u003e\n"],["\u003cp\u003eHyperparameter tuning is used to refine the model to better fit the training data.\u003c/p\u003e\n"],["\u003cp\u003eThe available functions vary between each type of model, detailed in the end-to-end user journey for each model.\u003c/p\u003e\n"]]],[],null,["# Model creation\n==============\n\nBigQuery ML lets you build and operationalize machine learning (ML)\nmodels over data in BigQuery by using SQL.\n\nA typical model development workflow in BigQuery ML looks similar\nto the following:\n\n1. Create the model using the [`CREATE MODEL` statement](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create).\n2. Perform feature preprocessing. Some preprocessing happens [automatically](/bigquery/docs/reference/standard-sql/bigqueryml-auto-preprocessing), plus you can use [manual preprocessing functions](/bigquery/docs/reference/standard-sql/bigqueryml-preprocessing-functions) inside the [`TRANSFORM` clause](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create#transform) to do additional preprocessing.\n3. Refine the model by performing [hyperparameter tuning](/bigquery/docs/hp-tuning-overview) to fit the model to the training data.\n4. [Evaluate the model](/bigquery/docs/evaluate-overview) to assess how it might perform on data outside of the training set, and also to compare it to other models if appropriate.\n5. [Perform inference](/bigquery/docs/inference-overview) to analyze data by using the model.\n6. Provide [explainability](/bigquery/docs/xai-overview) for the model, to clarify how particular features influenced a given prediction and also the model overall.\n7. Learn more about the components that comprize the model by using [model weights](/bigquery/docs/weights-overview).\n\nBecause you can use many different kinds of models in BigQuery ML,\nthe functions available for each model vary. See the\n[End-to-end user journey for each model](/bigquery/docs/e2e-journey) to see\nthe specific functions available for each model."]]
