Model TabFM
Dokumen ini menjelaskan model regresi dan klasifikasi tabular TabFM bawaan BigQuery.
Model TabFM bawaan adalah implementasi dari model TabFM open source dari Google Riset. Model TabFM Google Research adalah model dasar untuk data tabulasi yang memungkinkan regresi dan klasifikasi zero-shot pada data terstruktur melalui pembelajaran dalam konteks. Karena model TabFM telah dilatih sebelumnya pada ratusan juta set data sintetis yang dihasilkan menggunakan model kausal struktural, model ini menangkap interaksi fitur yang kompleks dan melakukan generalisasi dengan baik ke tabel dunia nyata yang belum pernah dilihat di berbagai domain.
Anda dapat menggunakan model TabFM dengan
fungsi AI.PREDICT
untuk melakukan regresi dan klasifikasi pada data terstruktur dalam satu
forward pass tanpa harus melatih model, mengoptimalkan hyperparameter, atau
melakukan rekayasa fitur.
Hasil prediksi sebanding dengan algoritma berbasis pohon yang diawasi konvensional seperti XGBoost dan random forest. Jika Anda menginginkan opsi penyesuaian model yang lebih banyak daripada yang ditawarkan model TabFM, Anda dapat melatih model yang diawasi seperti model boosted tree atau random forest dan menggunakannya dengan fungsi ML.PREDICT.
Untuk membuat prediksi dengan model TabFM pada data tabulasi, gunakan
fungsi AI.PREDICT.
Untuk mengevaluasi nilai yang diprediksi dari model TabFM terhadap nilai aktual, gunakan
fungsi AI.EVALUATE.
Untuk mempelajari lebih lanjut model Google Research TabFM, gunakan referensi berikut:
Saat Anda menggunakan TabFM melalui BigQuery, penggunaan Anda diatur oleh Persyaratan Layanan Google Cloud dan memungkinkan penggunaan komersial. Lisensi non-komersial yang terkait dengan bobot TabFM yang dapat didownload secara publik di GitHub dan Hugging Face hanya berlaku untuk download yang dihosting sendiri dan tidak membatasi penggunaan dalam BigQuery.