参考模式

本页面提供了指向 BigQuery ML 用例的业务用例、示例代码和技术参考指南的链接。您可以使用这些资源来确定最佳做法并加快应用开发速度。

回归和分类

这些模式展示了如何创建回归和分类解决方案。

根据当前客户生命周期价值构建新的受众群体

了解如何识别最具价值的现有客户，然后在 Google Ads 中利用它们来开发类似受众群体。

游戏应用的偏好建模

了解如何使用 BigQuery ML 从几种不同类型的偏好模型中进行训练、评估和获取预测。偏好模型可以帮助您确定特定用户返回您的应用的可能性，因此您可以在营销决策中使用该信息。

时序预测

这些模式展示了如何创建时序预测解决方案。

构建需求预测模型

了解如何构建时间序列模型，用于预测多个产品的零售需求。

使用 BigQuery ML 通过 Google 表格进行预测

了解如何将关联工作表与 BigQuery ML 中的预测模型相结合，将机器学习应用于您的业务流程。此模式将引导您完成使用 Google Analytics（分析）数据为网站构建预测模型的过程。您可以扩展此模式以使用其他数据类型和其他机器学习模型。

异常值检测

这些模式展示了如何创建异常值检测解决方案。

实时信用卡欺诈检测

了解如何使用交易和客户数据在 BigQuery ML 中训练机器学习模型，以便在实时数据流水线中用于识别、分析和触发针对潜在信用卡欺诈的提醒。