Panoramica dei pesi del modello BigQuery ML

Questo documento descrive in che modo BigQuery ML supporta la rilevabilità dei pesi dei modelli per i modelli di machine learning (ML).

Un modello ML è un artefatto che viene salvato dopo l'esecuzione di un algoritmo ML sui dati di addestramento. Il modello rappresenta le regole, i numeri e qualsiasi altra struttura di dati specifica dell'algoritmo necessaria per fare previsioni. Ecco alcuni esempi:

  • Un modello di regressione lineare è costituito da un vettore di coefficienti con valori specifici.
  • Un modello di albero decisionale è costituito da uno o più alberi di istruzioni se-allora con valori specifici.
  • Un modello di rete neurale profonda è costituito da una struttura di grafo con vettori o matricole di pesi con valori specifici.

In BigQuery ML, il termine pesi del modello viene utilizzato per descrivere i componenti di un modello.

Per informazioni sugli statement e sulle funzioni SQL supportati per ogni tipo di modello, consulta Percorso utente end-to-end per ogni modello.

Offerte per i pesi del modello in BigQuery ML

BigQuery ML offre più funzioni che puoi utilizzare per recuperare i pesi del modello per diversi modelli.

Categoria del modello Tipi di modello Funzioni per le ponderazioni dei modelli A cosa serve la funzione
Modelli supervisionati Regressione lineare e logistica ML.WEIGHTS Recupera i coefficienti delle funzionalità e l'intercetta.
Modelli non supervisionati Kmeans ML.CENTROIDS Recupera i coefficienti delle funzionalità per tutti i centroidi.
Fattoreizzazione matriciale ML.WEIGHTS Recupera i pesi di tutti i fattori latenti. Rappresentano le due matrici scomposte, la matrice utente e la matrice articolo.
PCA ML.PRINCIPAL_COMPONENTS Recupera i coefficienti delle caratteristiche per tutte le componenti principali, note anche come autovettori.
ML.PRINCIPAL_COMPONENT_INFO Recupera le statistiche di ogni componente principale, ad esempio il valore proprio.
Modelli di serie temporali ARIMA_PLUS ML.ARIMA_COEFFICIENTS Recupera i coefficienti del modello ARIMA, che viene utilizzato per modellare il componente di tendenza della serie temporale di input. Per informazioni su altri componenti, ad esempio i modelli stagionali presenti nella serie temporale, utilizza ML.ARIMA_EVALUATE.

BigQuery ML non supporta le funzioni di peso del modello per i seguenti tipi di modelli:

Per visualizzare i pesi di tutti questi tipi di modelli, ad eccezione dei modelli AutoML Tables, esporta il modello da BigQuery ML in Cloud Storage. Puoi quindi utilizzare la libreria XGBoost per visualizzare la struttura ad albero per i modelli boosted tree e random forest oppure la libreria TensorFlow per visualizzare la struttura del grafico per i modelli DNN e wide-and-deep. Non esiste un metodo per ottenere informazioni sui pesi dei modelli per i modelli AutoML Tables.

Per ulteriori informazioni sull'esportazione di un modello, consulta istruzione EXPORT MODEL e Esportazione di un modello BigQuery ML per la previsione online.