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 caratteristiche 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 decomposte, 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, tranne per i 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.