使用 Google Cloud 控制台在 BigQuery ML 中建立機器學習模型
本文說明如何使用 Google Cloud 控制台建立 BigQuery ML 模型。
必要的角色
如要建立模型及執行推論，您必須獲得下列角色：
- BigQuery 資料編輯者 (
roles/bigquery.dataEditor) - BigQuery 使用者 (
roles/bigquery.user)
- BigQuery 資料編輯者 (
事前準備
-
在 Google Cloud 控制台的專案選擇器頁面中，選取或建立 Google Cloud 專案。
選取或建立專案所需的角色
- 選取專案：選取專案時，不需要具備特定 IAM 角色，只要您在專案中獲派角色，即可選取該專案。
-
建立專案：如要建立專案，您需要「專案建立者」角色 (
roles/resourcemanager.projectCreator)，其中包含resourcemanager.projects.create權限。瞭解如何授予角色。
-
如果尚未啟用 BigQuery 和 BigQuery Connection API，請啟用這些 API。
啟用 API 時所需的角色
如要啟用 API，您必須具備
serviceusage.services.enable權限。如果您建立了專案，可能已透過「擁有者」角色 (roles/owner) 取得這項權限。否則，您可以透過「服務使用情形管理員」角色 (roles/serviceusage.serviceUsageAdmin) 取得這項權限。瞭解如何授予角色。
特定機型的必要條件
建立模型前，請務必先滿足所建模型類型的前置條件：
如要使用查詢選取模型的訓練資料，您必須將該查詢儲存為已儲存的查詢。
矩陣分解模型需要預留項目。詳情請參閱「定價」。
下列遠端模型需要Cloud 資源連結：
- 透過 Gemini Enterprise Agent Platform 和合作夥伴模型使用遠端模型
- 遠端模型優於開放式模型
- 透過 Cloud AI 服務使用遠端模型
- Gemini Enterprise Agent Platform 中的遠端模型 (相較於自訂模型)
此外，連線的服務帳戶也必須具備特定角色，視遠端模型的類型而定。
如要匯入模型，必須先將模型上傳至 Cloud Storage bucket。
建立資料集
建立 BigQuery 資料集來存放資源：
控制台
前往 Google Cloud 控制台的「BigQuery」頁面。
點選左側窗格中的 「Explorer」。
如果沒有看到左側窗格，請按一下 「Expand left pane」(展開左側窗格)，開啟窗格。
在「Explorer」窗格中，按一下專案名稱。
依序點按 「View actions」(查看動作) > 「Create dataset」(建立資料集)。
在「建立資料集」頁面中，執行下列操作：
在「Dataset ID」(資料集 ID) 中，輸入資料集名稱。
在「位置類型」部分，選取「區域」或「多區域」。
- 如果選取「區域」，請從「區域」清單中選取位置。
- 如果選取「多區域」，請從「多區域」清單中選取「美國」或「歐洲」。
點選「建立資料集」。
bq
建立內部或外部訓練的模型
使用這個程序建立下列類型的模型：
這些模型會根據類型提供不同的選項組合。雖然 BigQuery ML 自動調整功能在大多數情況下都能順利運作，但您也可以選擇在程序中手動調整模型。如要這麼做，請參閱特定模型類型的說明文件，進一步瞭解模型選項。
如要建立模型，請按照下列步驟操作：
前往「BigQuery」頁面
點選左側窗格中的 「Explorer」。
如果沒有看到左側窗格，請按一下 「Expand left pane」(展開左側窗格)，開啟窗格。
在「Explorer」窗格中，按一下「Datasets」，然後點選您建立的資料集。
依序點選資料集旁的 「View actions」(查看動作) 和「Create BQML Model」(建立 BQML 模型)。
「建立新模型」窗格隨即開啟。
在「模型名稱」中，輸入模型的名稱。
如要建立包含模型
CREATE MODEL陳述式的已儲存的查詢，請選取「儲存查詢」。- 在「查詢名稱」中，輸入儲存查詢的名稱。
- 在「區域」中，選擇要儲存查詢的區域。
按一下「繼續」。
在「建立方法」部分，選取「在 BigQuery 中訓練模型」。
在「模型建立目標」部分，為模型選取模型建立目標。
按一下「繼續」。
在「模型選項」頁面中，選取模型類型。可選取的模型類型取決於您選擇的模擬目標。
在「訓練資料」部分，執行下列其中一項操作：
- 選取「資料表/檢視畫面」，從資料表或檢視畫面取得訓練資料，然後選取專案、資料集和檢視畫面或資料表名稱。
- 選取「查詢」，從已儲存的查詢取得訓練資料，然後選取已儲存的查詢。
在「所選輸入標籤欄」中，從表格、檢視畫面或查詢中選擇要用做模型輸入內容的資料欄。
如有「Required options」(必要選項) 部分，請指定要求的欄資訊：
- 如果是分類和迴歸模型，請為 INPUT_LABEL_COLS 選取包含標籤資料的資料欄。
如果是矩陣分解模型，請選取下列項目：
- 選取包含評分資料的資料欄做為 RATING_COL。
- 在「USER_COL」USER_COL部分，選取包含使用者資料的欄。
- 針對「ITEM_COL」ITEM_COL，選取包含項目資料的資料欄。
如果是時間序列預測模型，請選取下列項目：
- 針對 TIME_SERIES_TIMESTAMP_COL，選取包含時間點的資料欄，用於訓練模型。
- 在「TIME_SERIES_DATA_COL」TIME_SERIES_DATA_COL中，選取包含要預測資料的資料欄。
選用：在「Optional」(選用) 部分，為其他模型微調引數指定值。可用的引數會因您建立的模型類型而異。
選用：如有「超參數調整」專區，您可以指定 NUM_TRIALS 選項，為模型啟用 [超參數調整](/bigquery/docs/hyperparameter-tuning-tutorial)。可用的超參數調整引數會因您建立的模型類型而異。
按一下「建立模型」。
模型建立完成後，按一下「前往模型」即可查看模型詳細資料。
在預先訓練模型上建立遠端模型
使用這個程序建立下列類型的遠端模型：
如要建立模型，請按照下列步驟操作：
前往「BigQuery」頁面
點選左側窗格中的 「Explorer」。
在「Explorer」窗格中，按一下「Datasets」，然後點選您建立的資料集。
依序點選資料集旁的 「View actions」(查看動作) 和「Create BQML Model」(建立 BQML 模型)。
「建立新模型」窗格隨即開啟。
在「模型名稱」中，輸入模型的名稱。
如要建立包含模型
CREATE MODEL陳述式的已儲存的查詢，請選取「儲存查詢」。- 在「查詢名稱」中，輸入儲存查詢的名稱。
- 在「區域」中，選擇要儲存查詢的區域。
按一下「繼續」。
在「建立方法」部分，選取「連線到 Vertex AI LLM 服務和 Cloud AI 服務」。
在「模型選項」頁面上，視用途選取「Google 和合作夥伴模型」或「開放模型」。
在「遠端連線」部分，執行下列其中一項操作：
- 如果您已設定預設連線，或是同時具備 BigQuery 管理員和專案 IAM 管理員角色，請選取「預設連線」。
如果沒有設定預設連線，或缺少適當的角色，請選取「Cloud resource connection」(Cloud 資源連結)。
- 在「Project」(專案)，選取內含要使用連線的專案。
- 在「Location」(位置) 部分，選取連線使用的位置。
在「連線」部分，選取要用於遠端模型的連線，或選取「建立新連線」來建立新連線。
在「必要選項」部分，執行下列其中一項操作：
按一下「建立模型」。
模型建立完成後，按一下「前往模型」即可查看模型詳細資料。
透過自訂模型建立遠端模型
請按照這個程序，透過部署至 Gemini Enterprise Agent Platform 的自訂模型建立遠端模型。
如要建立模型，請按照下列步驟操作：
前往「BigQuery」頁面
點選左側窗格中的 「Explorer」。
在「Explorer」窗格中，按一下「Datasets」，然後點選您建立的資料集。
依序點選資料集旁的 「View actions」(查看動作) 和「Create BQML Model」(建立 BQML 模型)。
「建立新模型」窗格隨即開啟。
在「模型名稱」中，輸入模型的名稱。
如要建立包含模型
CREATE MODEL陳述式的已儲存的查詢，請選取「儲存查詢」。- 在「查詢名稱」中，輸入儲存查詢的名稱。
- 在「區域」中，選擇要儲存查詢的區域。
按一下「繼續」。
在「建立方法」部分，選取「連線到使用者管理的 Vertex AI 端點」。
在「模型選項」頁面的「遠端連線」部分，執行下列其中一項操作：
- 如果您已設定預設連線，或是同時具備 BigQuery 管理員和專案 IAM 管理員角色，請選取「預設連線」。
如果沒有設定預設連線，或是缺少適當的角色，請選取「Cloud resource connection」(Cloud 資源連結)。
- 在「Project」(專案)，選取內含要使用連線的專案。
- 在「Location」(位置) 部分，選取連線使用的位置。
在「連線」部分，選取要用於遠端模型的連線，或選取「建立新連線」來建立新連線。
在「Required options」(必要選項) 部分，指定要使用的端點。這是部署至 Agent Platform 的模型共用公開端點，格式為
https://location-aiplatform.googleapis.com/v1/projects/project/locations/location/endpoints/endpoint_id。詳情請參閱ENDPOINT。按一下「建立模型」。
模型建立完成後，按一下「前往模型」即可查看模型詳細資料。
透過 Cloud AI 服務建立遠端模型
使用這個程序，透過 Cloud AI 服務建立遠端模型。
如要建立模型，請按照下列步驟操作：
前往「BigQuery」頁面
點選左側窗格中的 「Explorer」。
在「Explorer」窗格中，按一下「Datasets」，然後點選您建立的資料集。
依序點選資料集旁的 「View actions」(查看動作) 和「Create BQML Model」(建立 BQML 模型)。
「建立新模型」窗格隨即開啟。
在「模型名稱」中，輸入模型的名稱。
如要建立包含模型
CREATE MODEL陳述式的已儲存的查詢，請選取「儲存查詢」。- 在「查詢名稱」中，輸入儲存查詢的名稱。
- 在「區域」中，選擇要儲存查詢的區域。
按一下「繼續」。
在「建立方法」部分，選取「連線到 Vertex AI LLM 服務和 Cloud AI 服務」。
在「模型選項」頁面中，選取「Cloud AI 服務」。
在「遠端連線」部分，執行下列其中一項操作：
- 如果您已設定預設連線，或是同時具備 BigQuery 管理員和專案 IAM 管理員角色，請選取「預設連線」。
如果沒有設定預設連線，或是缺少適當的角色，請選取「Cloud resource connection」(Cloud 資源連結)。
- 在「Project」(專案)，選取內含要使用連線的專案。
- 在「Location」(位置) 部分，選取連線使用的位置。
在「連線」部分，選取要用於遠端模型的連線，或選取「建立新連線」來建立新連線。
在「Required options」(必要選項) 部分，選取要使用的 Cloud AI 服務類型。
在「Optional」(選用) 部分，指定使用
CLOUD_AI_DOCUMENT_V1服務時的文件處理器資訊。如果您使用CLOUD_AI_SPEECH_TO_TEXT_V2服務，可以選擇指定語音辨識器資訊。按一下「建立模型」。
模型建立完成後，按一下「前往模型」即可查看模型詳細資料。
建立匯入的模型
使用這個程序匯入下列類型的模型，藉此建立 BigQuery ML 模型：
如要建立模型，請按照下列步驟操作：
前往「BigQuery」頁面
點選左側窗格中的 「Explorer」。
在「Explorer」窗格中，按一下「Datasets」，然後點選您建立的資料集。
依序點選資料集旁的 「View actions」(查看動作) 和「Create BQML Model」(建立 BQML 模型)。
「建立新模型」窗格隨即開啟。
在「模型名稱」中，輸入模型的名稱。
如要建立包含模型
CREATE MODEL陳述式的已儲存的查詢，請選取「儲存查詢」。- 在「查詢名稱」中，輸入儲存查詢的名稱。
- 在「區域」中，選擇要儲存查詢的區域。
按一下「繼續」。
在「建立方法」部分，選取「匯入模型」。
在「模型選項」頁面上，選取要匯入的模型類型。
在「GCS path」(GCS 路徑) 中，瀏覽或貼上含有模型的 Cloud Storage 值區 URI。
按一下「建立模型」。
模型建立完成後，按一下「前往模型」即可查看模型詳細資料。