Percorso dell'utente end-to-end per ogni modello

BigQuery ML supporta una varietà di modelli di machine learning e un flusso di machine learning completo per ogni modello, come pre-elaborazione delle caratteristiche, creazione di modelli, ottimizzazione degli iperparametri, inferenza, valutazione ed esportazione dei modelli. Il flusso di machine learning per i modelli è suddiviso nelle seguenti due tabelle:

• Fase di creazione del modello
• Fase di utilizzo del modello

Fase di creazione del modello

Categoria di modello	Tipi di modello	Creazione del modello	Pre-elaborazione delle caratteristiche	Ottimizzazione degli iperparametri	Pesi del modello	Informazioni su funzionalità e formazione	Tutorial
Apprendimento supervisionato	Regressione lineare e logistica	crea modello	Pre-elaborazione automatica, Pre-elaborazione manuale^1	Ottimizzazione HP^2 ml.trial_info	ml.weights	ml.feature_info ml.training_info	regressione classificazione
	DNN (Deep Neural Network)	crea modello			N/D^5		N/A
	Reti Wide and Deep	crea modello			N/D^5		N/A
	Alberi potenziati	crea modello			N/D^5		N/A
	Foresta casuale	crea modello			N/D^5		N/A
	Classificazione e regressione AutoML	crea modello	N/D^3	N/D^3	N/D^5		N/A
Apprendimento non supervisionato	K-means	crea modello	Pre-elaborazione automatica, Pre-elaborazione manuale^1	Ottimizzazione HP^2 ml.trial_info	ml.centroids	ml.feature_info ml.training_info	stazioni bici in cluster
	fattorizzazione matriciale	crea modello	N/A	Ottimizzazione HP^2 ml.trial_info	ml.weights		feedback esplicito feedback implicito
	Analisi delle componenti principali (PCA)	crea modello	Pre-elaborazione automatica, Pre-elaborazione manuale^1	N/A	ml.principal_ components, ml.principal_ component_info		N/A
	Autoencoder	crea modello	Pre-elaborazione automatica, Pre-elaborazione manuale^1	Ottimizzazione HP^2 ml.trial_info	N/D^5		N/A
Modelli di serie temporali	ARIMA_PLUS	crea modello	Pre-elaborazione automatica	auto.ARIMA^4	coefficienti_ml.arima	ml.feature_info ml.training_info	serie singola multiserie milioni di serie festività personalizzate limitare valori previsti previsione gerarchica di serie temporali
	ARIMA_PLUS_XREG	crea modello	Pre-elaborazione automatica	auto.ARIMA^4	coefficienti_ml.arima	ml.feature_info ml.training_info	previsione multivariata
Modelli remoti di IA generativa	Modello remoto su un modello di generazione di testo Vertex AI^6	crea modello	N/A	N/A	N/A	N/A	genera testo con modello remoto utilizzano l'ottimizzazione e la valutazione per migliorare le prestazioni dei modelli LLM
	Modello remoto su un modello di generazione dell'incorporamento di Vertex AI^6	crea modello	N/A	N/A	N/A	N/A	generare incorporamenti di testo con un modello remoto generare incorporamenti di immagini con un modello remoto generare ed eseguire ricerche negli incorporamenti multimodali
modelli remoti AI	Modello remoto tramite l'API Cloud Vision	crea modello	N/A	N/A	N/A	N/A	N/A
	Modello remoto tramite l'API Cloud Translation	crea modello	N/A	N/A	N/A	N/A	N/A
	Modello remoto tramite l'API Cloud Natural Language	crea modello	N/A	N/A	N/A	N/A	N/A
	Modello remoto sull'API Document AI (anteprima)	crea modello	N/A	N/A	N/A	N/A	N/A
	Modello remoto sull'API Speech-to-Text (anteprima)	crea modello	N/A	N/A	N/A	N/A	N/A
Modelli remoti	Modello remoto con un endpoint Vertex AI	crea modello	N/A	N/A	N/A	N/A	previsione con modello remoto
Modelli importati	TensorFlow	crea modello	N/A	N/A	N/A	N/A	fare previsioni con un modello TensorFlow importato
	TensorFlow Lite	crea modello	N/A	N/A	N/A	N/A	N/A
	ONNX (Open Neural Network Exchange)	crea modello	N/A	N/A	N/A	N/A	Previsione con modelli scikit-learn in formato ONNX Previsioni con modelli PyTorch in formato ONNX
	XGBoost	crea modello	N/A	N/A	N/A	N/A	N/A
Modelli solo per la trasformazione^7	Solo trasformazione	crea modello	Pre-elaborazione manuale^1	N/A	N/A	ml.feature_info	N/A

¹Consulta il tutorial sulla clausola TRANSFORM per il feature engineering. Per ulteriori informazioni sulle funzioni di pre-elaborazione, consulta il tutorial sulle funzioni di feature engineering - BQML.

² Consulta il tutorial Usa l'ottimizzazione degli iperparametri per migliorare le prestazioni del modello.

³ Il feature engineering e l'ottimizzazione degli iperparametri automatici sono integrati nell'addestramento del modello AutoML per impostazione predefinita.

⁴ L'algoritmo auto.ARIMA esegue l'ottimizzazione degli iperparametri per il modulo di tendenza. L'ottimizzazione degli iperparametri non è supportata per l'intera pipeline di modellazione. Consulta la pipeline di modellazione per ulteriori dettagli.

⁵BigQuery ML non supporta le funzioni che recuperano i pesi per i modelli di alberi potenziati, foreste casuali, DNN, Wide and Deep, Autoencoder o AutoML. Per visualizzare i pesi di questi modelli, puoi esportare un modello esistente da BigQuery ML a Cloud Storage e quindi utilizzare la libreria XGBoost o la libreria TensorFlow per visualizzare la struttura ad albero per i modelli ad albero o la struttura del grafico per le reti neurali. Per ulteriori informazioni, consulta la documentazione relativa a EXPORT MODEL e il tutorial su EXPORT MODEL.

⁶Utilizza un modello di base Vertex AI o lo personalizza mediante l'ottimizzazione supervisionata.

⁷Questo non è un tipico modello ML, ma piuttosto un artefatto che trasforma i dati non elaborati in caratteristiche.

Fase di utilizzo del modello

Categoria di modello	Tipi di modelli	Valutazione	Inferenza	Spiegazione dell'IA	Monitoraggio del modello	Esportazione dei modelli	Tutorial
Apprendimento supervisionato	Regressione lineare e logistica	ml.evaluate ml.confusion_matrix^1 ml.roc_curve^2	ml.predict ml.transform	ml.explain_predict^3 ml.global_explain ml.advanced_weights^8	ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate	Esporta modello^5	regressione classificazione
	DNN (Deep Neural Network)						N/A
	Reti Wide and Deep						N/A
	Alberi potenziati			ml.explain_predict^3 ml.global_explain ml.feature_importance^4			N/A
	Foresta casuale						N/A
	Classificazione e regressione AutoML		ml.predict	ml.global_explain	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate		N/A
Apprendimento non supervisionato	K-means	ml.evaluate	ml.predict ml.detect_anomalies ml.transform	N/A	ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate	Esporta modello^5	stazioni bici in cluster
	fattorizzazione matriciale		ml.recommend ml.generate_embedding (Anteprima)		ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate		feedback esplicito feedback implicito
	Analisi delle componenti principali (PCA)		ml.predict ml.generate_embedding (Anteprima) ml.detect_anomalies ml.transform		ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate		N/A
	Autoencoder		ml.predict ml.generate_embedding (Anteprima) ml.detect_anomalies ml.reconstruction_loss ml.transform				N/A
Modelli di serie temporali	ARIMA_PLUS	ml.evaluate ml.arima_EVALUATE^6 ml.holiday_info	ml.forecast ml.detect_anomalies	ml.explain_forecast^7	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate	N/A	serie singola multiserie milioni di serie festività personalizzate limitare valori previsti previsione gerarchica di serie temporali
	ARIMA_PLUS_XREG		ml.forecast ml.detect_anomalies (Anteprima)		ml.describe_data ml.validate_data_drift ml.validate_data_skew ml.tfdv_describe ml.tfdv_validate		previsione multivariata
Modelli remoti di IA generativa	Modello remoto su un modello di generazione di testo Vertex AI^9	ml.evaluate^11 (anteprima)	ml.generate_text	N/A	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate	N/A	genera testo con modello remoto utilizzano l'ottimizzazione e la valutazione per migliorare le prestazioni dei modelli LLM
	Modello remoto su un modello di generazione dell'incorporamento di Vertex AI^9	N/A	ml.generate_embedding	N/A		N/A	generare incorporamenti di testo con un modello remoto generare incorporamenti di immagini con un modello remoto generare ed eseguire ricerche negli incorporamenti multimodali
modelli remoti AI	Modello remoto tramite l'API Cloud Vision	N/A	ml.annotate_image	N/A	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate	N/A	N/A
	Modello remoto tramite l'API Cloud Translation	N/A	ml.translate	N/A		N/A	N/A
	Modello remoto tramite l'API Cloud Natural Language	N/A	ml.understand_text	N/A		N/A	N/A
	Modello remoto sull'API Document AI (anteprima)	N/A	ml.process_document	N/A		N/A	N/A
	Modello remoto sull'API Speech-to-Text (anteprima)	N/A	ml.transcribe	N/A		N/A	N/A
Modelli remoti	Modello remoto con un endpoint Vertex AI	N/A	ml.predict	N/A	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate	N/A	previsione con modello remoto
Modelli importati	TensorFlow	N/A	ml.predict	N/A	ml.describe_data ml.validate_data_drift ml.tfdv_describe ml.tfdv_validate	Esporta modello^5	fare previsioni con un modello TensorFlow importato
	TensorFlow Lite	N/A	ml.predict	N/A		N/A	N/A
	ONNX (Open Neural Network Exchange)	N/A	ml.predict	N/A		N/A	Previsione con modelli scikit-learn in formato ONNX Previsioni con modelli PyTorch in formato ONNX
	XGBoost	N/A	ml.predict	N/A		N/A	N/A
Modelli solo per la trasformazione^10	Solo trasformazione	N/A	ml.transform	N/A	N/A	Esporta modello^5	N/A

¹ml.confusion_matrix è applicabile solo ai modelli di classificazione.

²ml.roc_curve è applicabile solo ai modelli di classificazione binaria.

³ml.explain_predict è una versione estesa di ml.predict. Per saperne di più, consulta la panoramica di Explainable AI. Per scoprire come viene utilizzato ml.explain_predict, consulta il tutorial sulla regressione e il tutorial sulla classificazione.

⁴Per la differenza tra ml.global_explain e ml.feature_importance, consulta Panoramica di Explainable AI.

⁵ Consulta il tutorial Esportare un modello BigQuery ML per la previsione online. Per ulteriori informazioni sulla distribuzione online, consulta il tutorial BQML - Creazione di un modello con trasposizione in linea.

⁶Per i modelli ARIMA_PLUS o ARIMA_PLUS_XREG, ml.evaluate può utilizzare nuovi dati come input per calcolare le metriche di previsione, come l'errore percentuale medio assoluto (MAPE). In assenza di nuovi dati, ml.evaluate ha una versione estesa ml.arima_evaluate che restituisce informazioni di valutazione diverse.

⁷ml.explain_forecast è una versione estesa di ml.forecast. Per saperne di più, consulta la panoramica di Explainable AI. Per scoprire come viene utilizzato ml.explain_forecast, guarda i passaggi sulla visualizzazione dei risultati dei tutorial sulla previsione di serie temporali singole e sulla previsione di più serie temporali.

⁸ml.advanced_weights è una versione estesa di ml.weights; consulta ml.advanced_weights per maggiori dettagli.

⁹Utilizza un modello di base Vertex AI o lo personalizza mediante l'ottimizzazione supervisionata.

¹⁰Questo non è un tipico modello ML, ma piuttosto un artefatto che trasforma i dati non elaborati in caratteristiche.

¹¹ Funzionalità non supportata per tutti gli LLM Vertex AI. Per ulteriori informazioni, consulta ml.evaluate.