Questo tutorial ti insegna a utilizzare l'ottimizzazione degli iperparametri in BigQuery ML per ottimizzare un modello di machine learning e migliorarne le prestazioni.
Per eseguire l'ottimizzazione degli iperparametri, devi specificare l'
NUM_TRIALS opzione
dell'istruzione CREATE MODEL in combinazione con altre opzioni specifiche del modello. Quando imposti queste opzioni, BigQuery ML addestra più versioni, o prove , del modello, ognuna con parametri leggermente diversi, e restituisce la prova con le prestazioni migliori.
Questo tutorial utilizza la tabella di esempio pubblica
tlc_yellow_trips_2018, che contiene informazioni sui viaggi in taxi a New York
nel 2018.
Obiettivi
Questo tutorial ti guida nel completamento delle seguenti attività:
- Utilizzare l'istruzione
CREATE MODELper creare un modello di regressione lineare di base. - Valutare il modello di base utilizzando la
ML.EVALUATEfunzione. - Utilizzare l'istruzione
CREATE MODELcon le opzioni di ottimizzazione degli iperparametri per addestrare venti prove di un modello di regressione lineare. - Esaminare le prove utilizzando la
ML.TRIAL_INFOfunzione. - Valutare le prove utilizzando la funzione
ML.EVALUATE. - Ottenere previsioni sui viaggi in taxi dal modello ottimale tra le prove utilizzando la
funzione
ML.PREDICT.
Costi
Questo tutorial utilizza componenti fatturabili di Google Cloud, tra cui:
- BigQuery
- BigQuery ML
Per ulteriori informazioni sui costi di BigQuery, consulta la pagina Prezzi di BigQuery.
Prima di iniziare
- Accedi al tuo Google Cloud account. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti senza costi per l'esecuzione, il test e il deployment dei carichi di lavoro.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
Roles required to select or create a project
- Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
-
Create a project: To create a project, you need the Project Creator role
(
roles/resourcemanager.projectCreator), which contains theresourcemanager.projects.createpermission. Learn how to grant roles.
-
Verify that billing is enabled for your Google Cloud project.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
Roles required to select or create a project
- Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
-
Create a project: To create a project, you need the Project Creator role
(
roles/resourcemanager.projectCreator), which contains theresourcemanager.projects.createpermission. Learn how to grant roles.
-
Verify that billing is enabled for your Google Cloud project.
- BigQuery è abilitato automaticamente nei nuovi progetti.
Per attivare BigQuery in un progetto preesistente, vai a
Abilita l'API BigQuery.
Ruoli richiesti per abilitare le API
Per abilitare le API, devi disporre dell'autorizzazione
serviceusage.services.enable. Se hai creato il progetto, probabilmente hai già questa autorizzazione tramite il ruolo Proprietario (roles/owner). In caso contrario, puoi ottenere questa autorizzazione tramite il ruolo Amministratore Service Usage (roles/serviceusage.serviceUsageAdmin). Scopri come assegnare i ruoli.
Autorizzazioni obbligatorie
Per creare il set di dati, devi disporre dell'autorizzazione IAM
bigquery.datasets.create.Per creare il modello, devi disporre delle seguenti autorizzazioni:
bigquery.jobs.createbigquery.models.createbigquery.models.getDatabigquery.models.updateData
Per eseguire l'inferenza, devi disporre delle seguenti autorizzazioni:
bigquery.models.getDatabigquery.jobs.create
Per ulteriori informazioni sui ruoli e sulle autorizzazioni IAM in BigQuery, consulta Introduzione a IAM.
Crea un set di dati
Crea un set di dati BigQuery per archiviare il tuo modello ML.
Console
Nella Google Cloud console, vai alla pagina BigQuery.
Nel riquadro Spazio di esplorazione, fai clic sul nome del progetto.
Fai clic su Visualizza azioni > Crea set di dati
Nella pagina Crea set di dati, segui questi passaggi:
In ID set di dati, inserisci
bqml_tutorial.In Tipo di località, seleziona Multi-regione e poi seleziona Stati Uniti.
Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.
bq
Per creare un nuovo set di dati, utilizza il
bq mk --dataset comando.
Crea un set di dati denominato
bqml_tutorialcon la località dei dati impostata suUS.bq mk --dataset \ --location=US \ --description "BigQuery ML tutorial dataset." \ bqml_tutorial
Verifica che il set di dati sia stato creato:
bq ls
API
Chiama il datasets.insert
metodo con una risorsa del set di dati definita.
{ "datasetReference": { "datasetId": "bqml_tutorial" } }
Crea una tabella di dati di addestramento
Crea una tabella di dati di addestramento basata su un sottoinsieme dei dati della tabella tlc_yellow_trips_2018.
Per creare la tabella:
Nella Google Cloud console, vai alla pagina BigQuery.
Nell'editor di query, incolla la query seguente e fai clic su Esegui:
CREATE OR REPLACE TABLE `bqml_tutorial.taxi_tip_input` AS SELECT * EXCEPT (tip_amount), tip_amount AS label FROM `bigquery-public-data.new_york_taxi_trips.tlc_yellow_trips_2018` WHERE tip_amount IS NOT NULL LIMIT 100000;
Crea un modello di regressione lineare di base
Crea un modello di regressione lineare senza ottimizzazione degli iperparametri e addestralo sui dati della tabella taxi_tip_input.
Per creare il modello:
Nella Google Cloud console, vai alla pagina BigQuery.
Nell'editor di query, incolla la query seguente e fai clic su Esegui:
CREATE OR REPLACE MODEL `bqml_tutorial.baseline_taxi_tip_model` OPTIONS ( MODEL_TYPE = 'LINEAR_REG' ) AS SELECT * FROM `bqml_tutorial.taxi_tip_input`;
Il completamento della query richiede circa 2 minuti.
Valuta il modello di base
Valuta le prestazioni del modello utilizzando la funzione ML.EVALUATE.
La funzione ML.EVALUATE valuta le valutazioni dei contenuti previste restituite dal modello rispetto alle metriche di valutazione calcolate durante l'addestramento del modello.
Per valutare il modello:
Nella Google Cloud console, vai alla pagina BigQuery.
Nell'editor di query, incolla la query seguente e fai clic su Esegui:
SELECT * FROM ML.EVALUATE(MODEL `bqml_tutorial.baseline_taxi_tip_model`);
I risultati sono simili ai seguenti:
+---------------------+--------------------+------------------------+-----------------------+---------------------+---------------------+ | mean_absolute_error | mean_squared_error | mean_squared_log_error | median_absolute_error | r2_score | explained_variance | +---------------------+--------------------+------------------------+-----------------------+---------------------+---------------------+ | 2.5853895559690323 | 23760.416358496139 | 0.017392406523370374 | 0.0044248227819481123 | -1934.5450533482465 | -1934.3513857946277 | +---------------------+--------------------+------------------------+-----------------------+---------------------+---------------------+
Il valore r2_score per il modello di base è negativo, il che indica un
adattamento scarso ai dati; più il
punteggioR2
è vicino a 1, migliore è l'adattamento del modello.
Crea un modello di regressione lineare con l'ottimizzazione degli iperparametri
Crea un modello di regressione lineare con l'ottimizzazione degli iperparametri e addestralo sui dati della tabella taxi_tip_input.
Nell'istruzione CREATE MODEL utilizzi le seguenti opzioni di ottimizzazione degli iperparametri:
- L'opzione
NUM_TRIALSper impostare il numero di prove su venti. - L'opzione
MAX_PARALLEL_TRIALSper eseguire due prove in ogni job di addestramento, per un totale di dieci job e venti prove. In questo modo si riduce il tempo di addestramento necessario. Tuttavia, le due prove concorrenti non beneficiano dei risultati di addestramento reciproci. - L'opzione
L1_REGper provare diversi valori di regolarizzazione L1 nelle diverse prove. La regolarizzazione L1 rimuove le caratteristiche non pertinenti dal modello, il che aiuta a prevenire l'overfitting.
Le altre opzioni di ottimizzazione degli iperparametri supportate dal modello utilizzano i valori predefiniti, come segue:
L1_REG:0HPARAM_TUNING_ALGORITHM:'VIZIER_DEFAULT'HPARAM_TUNING_OBJECTIVES:['R2_SCORE']
Per creare il modello:
Nella Google Cloud console, vai alla pagina BigQuery.
Nell'editor di query, incolla la query seguente e fai clic su Esegui:
CREATE OR REPLACE MODEL `bqml_tutorial.hp_taxi_tip_model` OPTIONS ( MODEL_TYPE = 'LINEAR_REG', NUM_TRIALS = 20, MAX_PARALLEL_TRIALS = 2, L1_REG = HPARAM_RANGE(0, 5)) AS SELECT * FROM `bqml_tutorial.taxi_tip_input`;
Il completamento della query richiede circa 20 minuti.
Ottieni informazioni sulle prove di addestramento
Ottieni informazioni su tutte le prove, inclusi i valori degli iperparametri, gli obiettivi e lo stato, utilizzando la funzione ML.TRIAL_INFO. Questa funzione restituisce anche informazioni sulla prova con le prestazioni migliori, in base a queste informazioni.
Per ottenere informazioni sulla prova:
Nella Google Cloud console, vai alla pagina BigQuery.
Nell'editor di query, incolla la query seguente e fai clic su Esegui:
SELECT * FROM ML.TRIAL_INFO(MODEL `bqml_tutorial.hp_taxi_tip_model`) ORDER BY is_optimal DESC;
I risultati sono simili ai seguenti:
+----------+-------------------------------------+-----------------------------------+--------------------+--------------------+-----------+---------------+------------+ | trial_id | hyperparameters | hparam_tuning_evaluation_metrics | training_loss | eval_loss | status | error_message | is_optimal | +----------+-------------------------------------+-----------------------------------+--------------------+--------------------+-----------+---------------+------------+ | 7 | {"l1_reg":"4.999999999999985"} | {"r2_score":"0.653653627638174"} | 4.4677841296238165 | 4.478469742512195 | SUCCEEDED | NULL | true | | 2 | {"l1_reg":"2.402163664510254E-11"} | {"r2_score":"0.6532493667964732"} | 4.457692508421795 | 4.483697081650438 | SUCCEEDED | NULL | false | | 3 | {"l1_reg":"1.2929452948742316E-7"} | {"r2_score":"0.653249366811995"} | 4.45769250849513 | 4.483697081449748 | SUCCEEDED | NULL | false | | 4 | {"l1_reg":"2.5787102060628228E-5"} | {"r2_score":"0.6532493698925899"} | 4.457692523040582 | 4.483697041615808 | SUCCEEDED | NULL | false | | ... | ... | ... | ... | ... | ... | ... | ... | +----------+-------------------------------------+-----------------------------------+--------------------+--------------------+-----------+---------------+------------+Il valore della colonna
is_optimalindica che la prova 7 è il modello ottimale restituito dall'ottimizzazione.
Valuta le prove del modello ottimizzato
Valuta le prestazioni delle prove utilizzando la funzione ML.EVALUATE.
La funzione ML.EVALUATE valuta le valutazioni dei contenuti previste restituite dal modello rispetto alle metriche di valutazione calcolate durante l'addestramento per tutte le prove.
Per valutare le prove del modello:
Nella Google Cloud console, vai alla pagina BigQuery.
Nell'editor di query, incolla la query seguente e fai clic su Esegui:
SELECT * FROM ML.EVALUATE(MODEL `bqml_tutorial.hp_taxi_tip_model`) ORDER BY r2_score DESC;
I risultati sono simili ai seguenti:
+----------+---------------------+--------------------+------------------------+-----------------------+--------------------+--------------------+ | trial_id | mean_absolute_error | mean_squared_error | mean_squared_log_error | median_absolute_error | r2_score | explained_variance | +----------+---------------------+--------------------+------------------------+-----------------------+--------------------+--------------------+ | 7 | 1.151814398002232 | 4.109811493266523 | 0.4918733252641176 | 0.5736103414025084 | 0.6652110305659145 | 0.6652144696114834 | | 19 | 1.1518143358927102 | 4.109811921460791 | 0.4918672150119582 | 0.5736106106914161 | 0.6652109956848206 | 0.6652144346901685 | | 8 | 1.152747850702547 | 4.123625876152422 | 0.4897808307399327 | 0.5731702310239184 | 0.6640856984144734 | 0.664088410199906 | | 5 | 1.152895108945439 | 4.125775524878872 | 0.48939088205957937 | 0.5723300569616766 | 0.6639105860807425 | 0.6639132416838652 | | ... | ... | ... | ... | ... | ... | ... | +----------+---------------------+--------------------+------------------------+-----------------------+--------------------+--------------------+
Il valore
r2_scoreper il modello ottimale, ovvero la prova 7, è0.66521103056591446, che mostra un miglioramento significativo rispetto al modello di base.
Puoi valutare una prova specifica specificando l'argomento TRIAL_ID nella funzione ML.EVALUATE.
Per ulteriori informazioni sulla differenza tra gli obiettivi ML.TRIAL_INFO e le metriche di valutazione ML.EVALUATE, consulta Funzioni di erogazione dei modelli.
Utilizza il modello ottimizzato per prevedere le mance ai tassisti
Utilizza il modello ottimale restituito dal processo di ottimizzazione per prevedere le mance per diverse corse in taxi. Il modello ottimale viene utilizzato automaticamente dalla funzione ML.PREDICT,
a meno che tu non selezioni una prova diversa specificando l'argomento TRIAL_ID. Le
previsioni vengono restituite nella colonna predicted_label.
Per ottenere le previsioni:
Nella Google Cloud console, vai alla pagina BigQuery.
Nell'editor di query, incolla la query seguente e fai clic su Esegui:
SELECT * FROM ML.PREDICT( MODEL `bqml_tutorial.hp_taxi_tip_model`, ( SELECT * FROM `bqml_tutorial.taxi_tip_input` LIMIT 5 ));
I risultati sono simili ai seguenti:
+----------+--------------------+-----------+---------------------+---------------------+-----------------+---------------+-----------+--------------------+--------------+-------------+-------+---------+--------------+---------------+--------------+--------------------+---------------------+----------------+-----------------+-------+ | trial_id | predicted_label | vendor_id | pickup_datetime | dropoff_datetime | passenger_count | trip_distance | rate_code | store_and_fwd_flag | payment_type | fare_amount | extra | mta_tax | tolls_amount | imp_surcharge | total_amount | pickup_location_id | dropoff_location_id | data_file_year | data_file_month | label | +----------+--------------------+-----------+---------------------+---------------------+-----------------+---------------+-----------+--------------------+--------------+-------------+-------+---------+--------------+---------------+--------------+--------------------+---------------------+----------------+-----------------+-------+ | 7 | 1.343367839584448 | 2 | 2018-01-15 18:55:15 | 2018-01-15 18:56:18 | 1 | 0 | 1 | N | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 193 | 193 | 2018 | 1 | 0 | | 7 | -1.176072791783461 | 1 | 2018-01-08 10:26:24 | 2018-01-08 10:26:37 | 1 | 0 | 5 | N | 3 | 0.01 | 0 | 0 | 0 | 0.3 | 0.31 | 158 | 158 | 2018 | 1 | 0 | | 7 | 3.839580104168765 | 1 | 2018-01-22 10:58:02 | 2018-01-22 12:01:11 | 1 | 16.1 | 1 | N | 1 | 54.5 | 0 | 0.5 | 0 | 0.3 | 55.3 | 140 | 91 | 2018 | 1 | 0 | | 7 | 4.677393985230036 | 1 | 2018-01-16 10:14:35 | 2018-01-16 11:07:28 | 1 | 18 | 1 | N | 2 | 54.5 | 0 | 0.5 | 0 | 0.3 | 55.3 | 138 | 67 | 2018 | 1 | 0 | | 7 | 7.938988937253062 | 2 | 2018-01-16 07:05:15 | 2018-01-16 08:06:31 | 1 | 17.8 | 1 | N | 1 | 54.5 | 0 | 0.5 | 0 | 0.3 | 66.36 | 132 | 255 | 2018 | 1 | 11.06 | +----------+--------------------+-----------+---------------------+---------------------+-----------------+---------------+-----------+--------------------+--------------+-------------+-------+---------+--------------+---------------+--------------+--------------------+---------------------+----------------+-----------------+-------+
Libera spazio
Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.
- Puoi eliminare il progetto che hai creato.
- In alternativa, puoi mantenere il progetto ed eliminare il set di dati.
Elimina il set di dati
L'eliminazione del progetto rimuove tutti i set di dati e tutte le tabelle nel progetto. Se preferisci riutilizzare il progetto, puoi eliminare il set di dati creato in questo tutorial:
Se necessario, apri la pagina BigQuery nella Google Cloud console.
Nel pannello di navigazione, fai clic sul set di dati bqml_tutorial che hai creato.
Sul lato destro della finestra, fai clic su Elimina set di dati. Questa azione elimina il set di dati, la tabella e tutti i dati.
Nella finestra di dialogo Elimina set di dati , digita il nome del set di dati (
bqml_tutorial) per confermare il comando di eliminazione, quindi fai clic su Elimina.
Elimina il progetto
Per eliminare il progetto:
- Nella Google Cloud console, vai alla pagina Gestisci risorse.
- Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
- Nella finestra di dialogo, digita l'ID progetto, quindi fai clic su Chiudi per eliminare il progetto.
Passaggi successivi
- Per saperne di più sul machine learning, consulta il Machine Learning Crash Course.
- Per una panoramica di BigQuery ML, consulta Introduzione a BigQuery ML.
- Per saperne di più sull'utilizzo della Google Cloud console, consulta Utilizzo della Google Cloud console.