ML.EVALUATE 関数

dynamic setvar launch_stage beta dynamic endsetvar dynamic setvar launch_type product dynamic endsetvar dynamic setvar launch_name BigQuery ML dynamic endsetvar dynamic include /docs/includes/___info_launch_stage_disclaimer

ML.EVALUATE 関数

ML.EVALUATE 関数を使用して、モデルの指標を評価します。ML.EVALUATE 関数は、線形回帰モデルとロジスティック回帰モデルの両方で使用できます。ロジスティック回帰モデルを評価する場合、ML.ROC_CURVE 関数も使用できます。

ML.EVALUATE 関数は、提供されたモデルタイプに適用可能な共通指標を含む単一行を出力します。

ロジスティック回帰の出力列は次のとおりです。

  • precision
  • recall
  • accuracy
  • f1_score
  • log_loss
  • roc_auc

線形回帰の出力列は次のとおりです。

  • mean_absolute_error
  • mean_squared_error
  • mean_squared_log_error
  • median_absolute_error
  • r2_score
  • explained_variance

ML.EVALUATE の制限

BigQuery ML の ML.EVALUATE 関数には次の制限があります。

  • 線形回帰モデルに FLOAT64 型ではないラベルが含まれている場合、ML.EVALUATE 関数は Invalid argument type passed to a function というエラーを返します。

    この制限を回避するには、CAST 関数を使用してラベルを FLOAT64 にキャストします。

ML.EVALUATE の構文

ML.EVALUATE(MODEL model_name,
           {TABLE table_name | (query_statement)}
           [, STRUCT( AS threshold)])

model_name

model_name は、評価するモデルの名前です。デフォルト プロジェクトを構成していない場合は、`[PROJECT_ID].[DATASET].[MODEL]`(バッククォートを含む)の形式で指定する必要があります(例: `myproject.mydataset.mymodel`)。

モデルの入力列名とデータ型は、テーブルの列名とデータ型と一致する必要があります。

table_name

table_name は、評価データを含む入力テーブルの名前です。デフォルト プロジェクトを構成していない場合は、`[PROJECT_ID].[DATASET].[TABLE]`(バッククォートを含む)の形式で指定する必要があります(例: `myproject.mydataset.mytable`)。

モデルの入力列名とデータ型は、テーブルの列名とデータ型と一致する必要があります。入力には、トレーニング中に提供されたラベル列名と一致する列が必要です。この値は、input_label_cols オプションで指定します。input_label_cols が未指定の場合は、トレーニング データで「label」という名前の列が使用されます。

query_statement

query_statement 句には、評価データの生成に使用する標準 SQL クエリを指定します。query_statement 句でサポートされる SQL 構文については、標準 SQL クエリ構文ページをご覧ください。

query_statement で参照されているすべての列がモデルへの入力として使用されます。

threshold

(省略可)threshold は、評価に使用するロジスティック回帰モデルのカスタムしきい値です。デフォルト値は 0.5 です。STRUCT 型のしきい値を指定する必要があります。

適合率/再現率の値がゼロの場合、選択したしきい値は真陽性のラベルを生成していません。適合率の値が NaN の場合、選択したしきい値は陽性ラベル(真陽性と偽陽性)を生成していません。

ML.EVALUATE の例

次の例では、デフォルト プロジェクトにモデルと入力テーブルがあることを前提としています。

ロジスティック回帰モデルを作成するには、次のクエリを使用します。

CREATE MODEL
  `mydataset.mymodel`
OPTIONS
  (model_type='logistic_reg',
    input_label_cols=['custom_label']) AS
SELECT
  custom_label,
  column1
FROM
  `mydataset.mytable`

次のクエリは、カスタムしきい値(0.55)を使用してモデルを評価します。

SELECT
  *
FROM
  ML.EVALUATE(MODEL `mydataset.mymodel`,
    (
    SELECT
      custom_label,
      column1,
      column2
    FROM
      `mydataset.mytable`),
    STRUCT(0.55 AS threshold))
このページは役立ちましたか?評価をお願いいたします。

フィードバックを送信...

ご不明な点がありましたら、Google のサポートページをご覧ください。