מודל TabFM

תצוגה מקדימה

השימוש בתכונה הזו כפוף לתנאי השימוש במוצרים בגרסת טרום-GA, שמפורטים בחלק "תנאי שירות הכלליים" בתנאים הספציפיים של השירות. השימוש בתכונות בגרסת טרום-GA הוא "כפי שהן" (As is), ויכול להיות שהתמיכה בהן תהיה מוגבלת. מידע נוסף זמין בקטע תיאור שלבי ההשקה.

הערה: לקבלת תמיכה במהלך התצוגה המקדימה, אפשר לפנות לכתובת [e-mail].

במסמך הזה מתואר מודל הרגרסיה והסיווג הטבלאי TabFM המובנה ב-BigQuery.

מודל TabFM המובנה הוא הטמעה של מודל TabFM בקוד פתוח של צוות המחקר של Google. מודל TabFM של צוות המחקר של Google הוא מודל בסיס לנתונים בטבלה שמאפשר רגרסיה וסיווג ללא דוגמאות (zero-shot) של נתונים מובְנים באמצעות למידה בהקשר. המודל TabFM עבר אימון מראש על מאות מיליוני מערכי נתונים סינתטיים שנוצרו באמצעות מודלים סיבתיים מבניים, ולכן הוא מזהה אינטראקציות מורכבות בין תכונות ומבצע הכללה טובה לטבלאות לא מוכרות מהעולם האמיתי בתחומים רבים.

אפשר להשתמש במודל TabFM עם הפונקציה AI.PREDICT כדי לבצע רגרסיה וסיווג על נתונים מובנים במעבר קדימה יחיד, בלי לאמן מודל, לבצע אופטימיזציה של היפרפרמטרים או לתכנן תכונות. תוצאות התחזית דומות לתוצאות של אלגוריתמים רגילים מבוססי-עץ בפיקוח, כמו XGBoost ויערות אקראיים. אם אתם רוצים אפשרויות נוספות לכוונון המודל מעבר לאפשרויות שמציע מודל TabFM, אתם יכולים לאמן מודל מפוקח כמו מודל boosted tree או מודל random forest ולהשתמש בו במקום במודל TabFM באמצעות הפונקציה ML.PREDICT.

כדי ליצור תחזיות באמצעות מודל TabFM על נתונים טבלאיים, משתמשים בפונקציה AI.PREDICT.

כדי להעריך את הערכים החזויים מהמודל TabFM לעומת הערכים בפועל, צריך להשתמש בפונקציה AI.EVALUATE.

מידע נוסף על מודל ה-FM של צוות המחקר של Google Tab זמין במקורות המידע הבאים:

• הבלוג של צוות המחקר של Google
• הבלוג של Google Cloud
• מאגר GitHub
• דף Hugging Face

השימוש ב-TabFM דרך BigQuery כפוף לתנאים ולהגבלות של Google Cloud ומאפשר שימוש מסחרי. הרישיון הלא מסחרי שמשויך למשקלים של TabFM שאפשר להוריד מ-GitHub ומ-Hugging Face חל רק על הורדות באירוח עצמי, ולא מגביל את השימוש ב-BigQuery.