Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Visão geral do pré-processamento de atributos
O pré-processamento de atributos é uma das etapas mais importantes do ciclo de vida de machine learning. Ela consiste em criar atributos e limpar os dados de treinamento. A criação de atributos também é chamada de engenharia de atributos.
O BigQuery ML oferece as seguintes técnicas de pré-processamento de atributos:
Pré-processamento automático. O BigQuery ML realiza o pré-processamento automático durante o treinamento. Para mais informações, consulte Pré-processamento automático de atributos.
Pré-processamento manual. É possível usar a cláusula TRANSFORM na instrução CREATE MODEL para definir o pré-processamento personalizado usando funções de pré-processamento manual.
Também é possível usar essas funções fora da cláusula TRANSFORM para processar dados de treinamento antes de criar o modelo.
Receber informações do atributo
Além disso, é possível usar a função ML.FEATURE_INFO
para recuperar as estatísticas de todas as colunas de atributos de entrada.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-01-07 UTC."],[[["Feature preprocessing, encompassing both feature creation (engineering) and data cleaning, is a crucial step in the machine learning process."],["BigQuery ML offers automatic preprocessing during training, simplifying the process for users."],["Manual preprocessing is also available in BigQuery ML, allowing for custom preprocessing definitions using the `TRANSFORM` clause and specific functions."],["The `ML.FEATURE_INFO` function enables users to retrieve statistics about the input feature columns."],["Basic knowledge of the ML development lifecycle, including feature engineering and model training, is recommended for better optimization of data and models."]]],[]]
