TabFM 模型

预览

此功能受服务专用条款的“通用服务条款”部分中的“非正式版产品条款”的约束。 非正式版功能“按原样”提供，可能只能获得有限的支持。 如需了解详情，请参阅发布阶段说明。

注意： 如需在预览版期间获得支持，请联系 [e-mail]。

本文档介绍了 BigQuery 内置的 TabFM 表格回归和分类模型。

内置 TabFM 模型是 Google Research 的开源 TabFM 模型的实现。Google 研究 TabFM 模型是一种表格数据基础模型，可通过上下文学习对结构化数据进行零样本回归和分类。由于 TabFM 模型已通过数亿个使用结构性因果模型生成的合成数据集进行预训练，因此它可以捕获复杂的功能交互，并很好地泛化到许多领域中未见过的真实世界表格。

您可以将 TabFM 模型与 AI.PREDICT 函数搭配使用，以在单个前向传递中对结构化数据执行回归和分类，而无需训练模型、优化超参数或设计特征。 预测结果可与 XGBoost 和随机森林等基于树的传统监督式算法相媲美。如果您想要比 TabFM 模型提供的更多模型调优选项，可以训练监督式模型（例如提升树或随机森林模型），并将其与 ML.PREDICT 函数搭配使用。

如需使用 TabFM 模型对表格数据生成预测，请使用 AI.PREDICT 函数。

如需根据实际值评估 TabFM 模型的预测值，请使用 AI.EVALUATE 函数。

如需详细了解 Google 研究 TabFM 模型，请参阅以下资源：

• Google 研究博客
• Google Cloud 博客
• GitHub 代码库
• Hugging Face 页面

通过 BigQuery 使用 TabFM 时，您的使用行为受 Google Cloud 服务条款的约束，并且允许商业用途。与 GitHub 和 Hugging Face 上可公开下载的 TabFM 权重相关联的非商业许可仅适用于自行托管的下载，不会限制在 BigQuery 中的使用。