Il modello TabFM
Questo documento descrive il modello di regressione e classificazione tabellare TabFM integrato di BigQuery.
Il modello TabFM integrato è un'implementazione del modello TabFM open source di Google Research. Il modello TabFM di Google Research è un foundation model per i dati tabulari che consente la regressione e la classificazione zero-shot sui dati strutturati tramite l'apprendimento in-context. Poiché il modello TabFM è preaddestrato su centinaia di milioni di set di dati sintetici generati utilizzando modelli causali strutturali, acquisisce interazioni complesse tra le funzionalità e generalizza bene le tabelle del mondo reale invisibili in molti domini.
Puoi utilizzare il modello TabFM con la
funzione AI.PREDICT
per eseguire la regressione e la classificazione su dati strutturati in un singolo
passaggio in avanti senza dover addestrare un modello, ottimizzare gli iperparametri o
progettare funzionalità.
I risultati della previsione sono paragonabili agli algoritmi convenzionali basati su alberi con supervisione, come XGBoost e foreste casuali. Se vuoi più opzioni di ottimizzazione del modello rispetto a quelle offerte dal modello TabFM,
puoi addestrare un modello supervisionato come un
albero potenziato
o
un modello di foresta casuale
e utilizzarlo con la
funzione ML.PREDICT.
Per generare previsioni con il modello TabFM sui dati tabulari, utilizza la
funzione AI.PREDICT.
Per valutare i valori previsti dal modello TabFM rispetto ai valori effettivi,
utilizza la
funzione AI.EVALUATE.
Per scoprire di più sul modello Google Research TabFM, utilizza le seguenti risorse:
Quando utilizzi TabFM tramite BigQuery, il tuo utilizzo è regolato dai Termini di servizio di Google Cloud e consente usi commerciali. La licenza non commerciale associata ai pesi TabFM scaricabili pubblicamente su GitHub e Hugging Face si applica solo ai download self-hosted e non limita l'utilizzo in BigQuery.