Panoramica delle ponderazioni del modello BigQuery ML
Questo documento descrive come BigQuery ML supporta la rilevabilità del peso 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. Tra gli esempi di tali prodotti o servizi figurano:
- Un modello di regressione lineare è costituito da un vettore di coefficienti con valori specifici.
- Un modello ad albero decisionale è composto da uno o più alberi di istruzioni "if-then" con valori specifici.
- Un modello di rete neurale profonda è composto da una struttura di grafici con vettori o matrici di pesi con valori specifici.
In BigQuery ML, il termine ponderazioni del modello viene utilizzato per descrivere i componenti da cui è composto 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.
Offerte per la ponderazione del modello in BigQuery ML
BigQuery ML offre svariate funzioni che consentono di recuperare le ponderazioni dei modelli per modelli diversi.
| 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 caratteristiche e l'intercetta. |
| Modelli non supervisionati | Kmeans | ML.CENTROIDS |
Recupera i coefficienti di caratteristica per tutti i baricentro. |
| Fattorizzazione matriciale | ML.WEIGHTS |
Recupera le ponderazioni di tutti i fattori latenti. Rappresentano le due matrici decomposte, la matrice utente e la matrice di articoli. | |
| APC | ML.PRINCIPAL_COMPONENTS |
Recupera i coefficienti di caratteristica per tutti i componenti principali, noti anche come autovettori. | |
ML.PRINCIPAL_COMPONENT_INFO |
Recupera le statistiche di ciascun componente principale, ad esempio l'autovalore. | ||
| Modelli di serie temporali | ARIMA_PLUS | ML.ARIMA_COEFFICIENTS |
Recupera i coefficienti del modello ARIMA, utilizzato per modellare il componente di tendenza della serie temporale di input. Per informazioni su altri componenti, come i pattern stagionali presenti nelle serie temporali, utilizza ML.ARIMA_EVALUATE. |
BigQuery ML non supporta le funzioni di ponderazione del modello per i seguenti tipi di modelli:
Per visualizzare le ponderazioni di tutti questi tipi di modelli tranne quelli di 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 a foresta casuale 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 le sezioni Istruzione EXPORT MODEL ed Esportare un modello BigQuery ML per la previsione online.