Modellerstellung – Übersicht

Mit BigQuery ML können Sie Modelle für maschinelles Lernen (ML) für Daten in BigQuery mithilfe von SQL erstellen und operationalisieren.

Ein typischer Workflow zur Modellentwicklung in BigQuery ML sieht in etwa so aus:

  1. Erstellen Sie das Modell mit der Anweisung CREATE MODEL.
  2. Führen Sie eine Vorverarbeitung der Features durch. Einige Vorverarbeitungen erfolgen automatisch. Außerdem können Sie die manuellen Vorverarbeitungsfunktionen in der Klausel TRANSFORM verwenden, um eine weitere Vorverarbeitung durchzuführen.
  3. Verfeinern Sie das Modell durch Hyperparameter-Abstimmung, um das Modell an die Trainingsdaten anzupassen.
  4. Modell bewerten, um die Leistungsfähigkeit von Daten außerhalb des Trainings-Datasets zu bewerten und sie gegebenenfalls mit anderen Modellen zu vergleichen.
  5. Inferenz ausführen, um Daten mithilfe des Modells zu analysieren.
  6. 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.
  7. 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.