Panoramica della regressione

Un caso d'uso comune per il machine learning è la previsione del valore di un per i nuovi dati utilizzando un modello addestrato sulla base di dati storici simili. Ad esempio, potresti voler prevedere il prezzo di vendita previsto di una casa. Utilizzando la posizione e le caratteristiche della casa come elementi, puoi confrontarla con case simili già vendute e utilizzare i relativi prezzi di vendita per stimare il prezzo di vendita della casa.

Puoi utilizzare uno qualsiasi dei seguenti modelli in BigQuery ML per esegui una regressione:

• Modelli di regressione lineare: utilizza la regressione lineare impostando l'opzione MODEL_TYPE su LINEAR_REG.
• Modelli ad albero potenziato: usa un albero decisionale con incremento del gradiente impostando l'opzione MODEL_TYPE su BOOSTED_TREE_REGRESSOR.
• Modelli di foresta casuali: usa un foresta casuale impostando l'opzione MODEL_TYPE su RANDOM_FOREST_REGRESSOR.
• Modelli di reti neurali profonde (DNN): utilizza una rete neurale impostando l'opzione MODEL_TYPE su DNN_REGRESSOR.
• Modelli Wide and Deep: utilizza Wide and Deep learning impostando l'opzione MODEL_TYPE su DNN_LINEAR_COMBINED_REGRESSOR.
• Modelli AutoML: utilizza un modello di classificazione AutoML impostando l'opzione MODEL_TYPE su AUTOML_REGRESSOR.