Panoramica dei pesi dei modelli BigQuery ML

Questo documento descrive in che modo BigQuery ML supporta la rilevabilità delle ponderazioni 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 necessari per fare previsioni. Ecco alcuni esempi:

  • Un modello di regressione lineare è composto da un vettore di coefficienti che hanno valori specifici.
  • Un modello di albero decisionale è composto da una o più strutture di istruzioni if-then con valori specifici.
  • Un modello di rete neurale profonda è composto da una struttura di grafico con vettori o matrici di pesi con valori specifici.

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

Per informazioni sulle istruzioni e sulle funzioni SQL supportate per ogni tipo di modello, consulta Percorso dell'utente end-to-end per ogni modello.

Il modello pondera le offerte in BigQuery ML

BigQuery ML offre varie funzioni che permettono di recuperare i pesi di modelli diversi.

Categoria di modello Tipi di modello Funzioni per le ponderazioni dei modelli Che cosa fa la funzione
Modelli supervisionati Regressione lineare e logistica ML.WEIGHTS Recupera i coefficienti delle caratteristiche e l'intercetta.
Modelli non supervisionati Kmeans ML.CENTROIDS Recupera i coefficienti delle caratteristiche per tutti i baridi.
Fattorizzazione matriciale ML.WEIGHTS Consente di recuperare i pesi di tutti i fattori latenti. Rappresentano le due matrici scomposte, la matrice utente e la matrice degli elementi.
APC ML.PRINCIPAL_COMPONENTS Recupera i coefficienti delle caratteristiche per tutte le componenti principali, noti anche come autovettori.
ML.PRINCIPAL_COMPONENT_INFO Recupera le statistiche di ciascun componente principale, come autovalore.
Modelli di serie temporali ARIMA_PLUS ML.ARIMA_COEFFICIENTS Recupera i coefficienti del modello ARIMA, utilizzato per modellare il componente della tendenza delle serie temporali di input. Per informazioni sugli altri componenti, ad esempio gli schemi stagionali presenti nella serie temporale, utilizza ML.ARIMA_EVALUATE.

BigQuery ML non supporta le funzioni di ponderazione 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 a Cloud Storage. Puoi quindi utilizzare la libreria XGBoost per visualizzare la struttura ad albero per i modelli ad albero potenziato e i modelli di foresta casuali, 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 sul peso del modello per i modelli AutoML Tables.

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