Tipos de funciones de entrada admitidos

BigQuery ML admite diferentes tipos de características de entrada para distintos tipos de modelos. En la siguiente tabla se indican los tipos de funciones de entrada admitidos:

Categoría de modelo	Tipos de modelos	Tipos numéricos (INT64, NUMERIC, BIGNUMERIC y FLOAT64)	Tipos categóricos (BOOL, STRING, BYTES, DATE, DATETIME)	TIMESTAMP	STRUCT	GEOGRAPHY	ARRAY<Tipos numéricos>	ARRAY<Categorical types>	ARRAY<STRUCT<INT64, Numeric types>>
Aprendizaje supervisado	Regresión lineal y logística	✔	✔	✔	✔		✔	✔	✔
	Redes neuronales profundas	✔	✔		✔		✔	✔	✔
	Wide and deep	✔	✔		✔		✔	✔	✔
	Árboles de potenciación	✔	✔		✔		✔	✔	✔
	AutoML Tables	✔	✔	✔	✔		✔	✔
Aprendizaje no supervisado	K‑medias	✔	✔	✔	✔	✔	✔	✔
	PCA	✔	✔	✔	✔		✔	✔
	Autocodificador	✔	✔	✔	✔		✔	✔	✔
Modelos de series temporales	ARIMA_PLUS_XREG	✔	✔	✔	✔			✔	✔

Nota: Los modelos Factorización de matriz y ARIMA_PLUS tienen tipos de características de entrada especiales. Los tipos de entrada que se indican en ARIMA_PLUS_XREG son solo para regresores externos.

Entrada de vector denso

BigQuery ML admite ARRAY<numerical> como entrada de vector denso durante el entrenamiento del modelo. La función de inserción es un tipo especial de vector denso. Consulta la función ML.GENERATE_EMBEDDING para obtener más información.

Entrada dispersa

BigQuery ML admite ARRAY<STRUCT> como entrada dispersa durante el entrenamiento de modelos. Cada struct contiene un valor INT64 que representa su índice de base cero y un tipo numérico que representa el valor correspondiente.

A continuación, se muestra un ejemplo de entrada de tensor disperso para la matriz de enteros [0,1,0,0,0,0,1]:

ARRAY<STRUCT<k INT64, v INT64>>[(1, 1), (6, 1)] AS f1