TabFM 모델
이 문서에서는 BigQuery의 내장 TabFM 테이블 형식 회귀 및 분류 모델에 대해 설명합니다.
내장된 TabFM 모델은 Google 연구팀의 오픈소스 TabFM 모델을 구현한 것입니다. Google 연구팀 TabFM 모델은 컨텍스트 내 학습을 통해 구조화된 데이터에 대한 제로샷 회귀 및 분류를 지원하는 테이블 형식 데이터용 파운데이션 모델입니다. TabFM 모델은 구조적 인과 모델을 사용하여 생성된 수억 개의 합성 데이터 세트로 사전 학습되므로 복잡한 기능 상호작용을 포착하고 여러 도메인에서 보이지 않는 실제 표로 잘 일반화됩니다.
AI.PREDICT 함수와 함께 TabFM 모델을 사용하여 모델을 학습하거나, 하이퍼파라미터를 최적화하거나, 특성을 엔지니어링하지 않고도 단일 순방향 패스에서 구조화된 데이터에 대한 회귀 및 분류를 실행할 수 있습니다.
예측 결과는 XGBoost, 랜덤 포레스트와 같은 기존의 지도 학습 트리 기반 알고리즘과 비교할 수 있습니다. TabFM 모델에서 제공하는 것보다 더 많은 모델 조정 옵션을 원하는 경우 부스팅된 트리 또는 랜덤 포레스트 모델과 같은 지도 모델을 학습시키고 대신 ML.PREDICT 함수와 함께 사용할 수 있습니다.
표 형식 데이터에서 TabFM 모델로 예측을 생성하려면 AI.PREDICT 함수를 사용하세요.
TabFM 모델의 예측 값을 실제 값과 비교하여 평가하려면 AI.EVALUATE 함수를 사용하세요.
Google 연구팀 TabFM 모델에 관해 자세히 알아보려면 다음 리소스를 참고하세요.
BigQuery를 통해 TabFM을 사용하는 경우 Google Cloud 서비스 약관에 의거하여 사용이 허용되며 상업적 용도로 사용할 수 있습니다. GitHub 및 Hugging Face에서 공개적으로 다운로드할 수 있는 TabFM 가중치와 연결된 비상업적 라이선스는 자체 호스팅 다운로드에만 적용되며 BigQuery 내 사용을 제한하지 않습니다.