Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Panoramica della pre-elaborazione delle funzionalità
La preelaborazione delle funzionalità è uno dei passaggi più importanti nel ciclo di vita del machine learning. Consiste nella creazione di funzionalità e nella pulizia dei dati di addestramento. La creazione di funzionalità è nota anche come feature engineering.
BigQuery ML fornisce le seguenti tecniche di pre-elaborazione delle funzionalità:
Pre-elaborazione manuale. Puoi utilizzare la clausola TRANSFORM
nell'istruzione CREATE MODEL per definire la preelaborazione personalizzata utilizzando le funzioni di preelaborazione manualmente.
Puoi anche utilizzare queste funzioni al di fuori della clausola TRANSFORM per elaborare i dati di addestramento prima di creare il modello.
Ottenere informazioni sulle funzionalità
Puoi utilizzare la funzione ML.FEATURE_INFO per recuperare le statistiche di tutte le colonne delle caratteristiche di input.
Conoscenze consigliate
Utilizzando le impostazioni predefinite negli statement CREATE MODEL e nelle funzioni di inferenza, puoi creare e utilizzare i modelli BigQuery ML anche senza avere molte conoscenze di ML. Tuttavia, avere conoscenze di base sul
ciclo di vita dello sviluppo di ML, come la creazione di funzionalità e l'addestramento del modello,
ti aiuta a ottimizzare sia i dati sia il modello per
ottenere risultati migliori. Ti consigliamo di utilizzare le seguenti risorse per acquisire familiarità con le tecniche e le procedure di ML:
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Difficile da capire","hardToUnderstand","thumb-down"],["Informazioni o codice di esempio errati","incorrectInformationOrSampleCode","thumb-down"],["Mancano le informazioni o gli esempi di cui ho bisogno","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2025-09-04 UTC."],[[["\u003cp\u003eFeature preprocessing, encompassing both feature creation (engineering) and data cleaning, is a crucial step in the machine learning process.\u003c/p\u003e\n"],["\u003cp\u003eBigQuery ML offers automatic preprocessing during training, simplifying the process for users.\u003c/p\u003e\n"],["\u003cp\u003eManual preprocessing is also available in BigQuery ML, allowing for custom preprocessing definitions using the \u003ccode\u003eTRANSFORM\u003c/code\u003e clause and specific functions.\u003c/p\u003e\n"],["\u003cp\u003eThe \u003ccode\u003eML.FEATURE_INFO\u003c/code\u003e function enables users to retrieve statistics about the input feature columns.\u003c/p\u003e\n"],["\u003cp\u003eBasic knowledge of the ML development lifecycle, including feature engineering and model training, is recommended for better optimization of data and models.\u003c/p\u003e\n"]]],[],null,["# Feature preprocessing overview\n==============================\n\n*Feature preprocessing* is one of the most important steps in the machine\nlearning lifecycle. It consists of creating features and cleaning the training\ndata. Creating features is also referred as *feature engineering*.\n\nBigQuery ML provides the following feature preprocessing techniques:\n\n- **Automatic preprocessing** . BigQuery ML performs automatic\n preprocessing during training. For more information, see [Automatic feature\n preprocessing](/bigquery/docs/reference/standard-sql/bigqueryml-auto-preprocessing).\n\n- **Manual preprocessing** . You can use the [`TRANSFORM` clause](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create#transform)\n in the `CREATE MODEL` statement to define custom preprocessing using [manual\n preprocessing\n functions](/bigquery/docs/manual-preprocessing#types_of_preprocessing_functions).\n You can also use these functions outside of the `TRANSFORM` clause to\n process training data before creating the model.\n\nGet feature information\n-----------------------\n\nYou can use the [`ML.FEATURE_INFO`\nfunction](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-feature) to\nretrieve the statistics of all input feature columns.\n\nRecommended knowledge\n---------------------\n\nBy using the default settings in the `CREATE MODEL` statements and the\ninference functions, you can create and use BigQuery ML models\neven without much ML knowledge. However, having basic knowledge about the\nML development lifecycle, such as feature engineering and model training,\nhelps you optimize both your data and your model to\ndeliver better results. We recommend using the following resources to develop\nfamiliarity with ML techniques and processes:\n\n- [Machine Learning Crash Course](https://developers.google.com/machine-learning/crash-course)\n- [Intro to Machine Learning](https://www.kaggle.com/learn/intro-to-machine-learning)\n- [Data Cleaning](https://www.kaggle.com/learn/data-cleaning)\n- [Feature Engineering](https://www.kaggle.com/learn/feature-engineering)\n- [Intermediate Machine Learning](https://www.kaggle.com/learn/intermediate-machine-learning)\n\nWhat's next\n-----------\n\nLearn about [feature serving](/bigquery/docs/feature-serving) in\nBigQuery ML."]]
