|
| | | |
| Library machine learning skalabel Apache Spark yang berisi algoritma pembelajaran umum, alat featurisasi, dan utilitas pipeline. | Menjalankan pelatihan model ML berskala besar di seluruh cluster terdistribusi tanpa perlu mengandalkan library node tunggal.
| |
| Transformer fitur inti di Spark MLlib yang menggabungkan beberapa kolom (angka kontinu, kategori yang dienkode one-hot, dll.) menjadi satu kolom vektor. | Menyiapkan data tabulasi mentah ke dalam format vektor padat atau vektor renggang tertentu yang diharapkan oleh algoritma machine learning Spark MLlib. | Sebagai komponen dalam Spark MLlib, eksekusinya berkontribusi pada keseluruhan biaya komputasi untuk menjalankan workload Spark Anda di Managed Service untuk Apache Spark. |
| API tingkat tinggi yang dibangun di atas DataFrame yang membantu pengguna merangkai beberapa langkah dan model rekayasa fitur. | Mengelompokkan Transformer dan Estimator ke dalam pipeline terpadu untuk memastikan pemrosesan data yang identik selama pelatihan dan inferensi. | Serupa dengan komponen Spark MLlib lainnya, biaya tersebut merupakan bagian dari biaya eksekusi untuk Managed Service untuk Apache Spark. |
| Layanan yang memungkinkan Anda membuat dan menjalankan model machine learning di BigQuery menggunakan kueri SQL standar. | Melatih model langsung di tempat data Anda berada sebelum memindahkan tugas terdistribusi yang sangat kompleks dan iteratif ke Spark.
| BigQuery ML memiliki model penetapan harganya sendiri. Anda akan dikenai biaya untuk - Pelatihan model (berdasarkan data yang diproses selama kueri CREATE MODEL),
- Prediksi model (harga kueri BigQuery standar)
- Penyimpanan model (ditagih dengan tarif penyimpanan BigQuery standar).
|
