すべての BigQuery ML チュートリアル
-
ペンギンの体重を予測する回帰モデルの作成
このチュートリアルでは、BigQuery ML の線形回帰モデルを使用して、ペンギンの体重を予測します。
-
国勢調査データに基づいた分類モデルの作成
このチュートリアルでは、BigQuery ML の 2 項ロジスティック回帰モデルを使用して、米国国勢調査データセットの回答者の所得階層を予測します。
-
ロンドンのレンタル自転車のデータセットをクラスタ化するための K 平均法モデルの作成
このチュートリアルでは、BigQuery ML の k 平均法モデルを使用して、ロンドンのレンタル自転車の一般公開データセットからデータのクラスタを構築します。
-
行列分解モデルを作成して映画のレコメンデーションを行う
このチュートリアルでは、公開されている MovieLens データセットを使用して、明示的なフィードバックからユーザーにおすすめの映画を紹介するモデルを作成します。
-
行列分解モデルを作成して、Google アナリティクス データからレコメンデーションを行う
このチュートリアルでは、BigQuery のアナリティクス サンプルを使用して、暗黙的なフィードバックからウェブサイトの訪問者にコンテンツをおすすめするモデルを作成します。
-
アナリティクス データからの 1 つの時系列を予測する
このチュートリアルでは、google_analytics_sample.ga_sessions サンプル テーブルを使用して 1 つの時系列予測を行う時系列モデルを作成します。
-
ニューヨーク市のシティバイクの利用状況について 1 つのクエリで複数の時系列を予測する
このチュートリアルでは、1 つのクエリで複数の時系列予測を行う一連の時系列モデルを作成します。ここでは、new_york.citibike_trips のデータを使用します。このデータには、ニューヨーク市でのシティバイクの利用状況に関する情報が含まれています。
-
BigQuery で数百万の時系列を使用してスケーラブルな予測を行う
このチュートリアルで使用する一連の技法では、予測精度をそれほど犠牲にすることなく 100 倍速い予測を可能にします。これにより、1 つのクエリで数百万の時系列を数時間で予測できるようになります。
-
シアトルの大気質データからの多変量時系列予測
このチュートリアルでは、多変量時系列モデルを作成して時系列予測を行う方法について説明します。これにより、追加特徴による予測が可能になります。
-
特徴量エンジニアリングで「TRANSFORM」句を使用する
このチュートリアルでは、特徴量エンジニアリングで BigQuery ML「TRANSFORM」句を使用して、子供の出生時体重の予測モデルを作成します。
-
ハイパーパラメータ調整を使用してモデルのパフォーマンスを改善する
このチュートリアルでは、tlc_yellow_trips_2018 サンプル テーブルを使用して、タクシーの乗車区間を予測するハイパーパラメータ調整を含むモデルを作成します。
-
TensorFlow モデルをインポートして予測を行う
このチュートリアルでは、TensorFlow モデルを BigQuery データセットにインポートし、SQL クエリから予測を行います。
-
オンライン予測の BigQuery ML モデルをエクスポートする
このチュートリアルでは、BigQuery ML モデルをエクスポートしてから、AI Platform またはローカルマシンにモデルをデプロイします。BigQuery 一般公開データセットの iris テーブルを使用します。