TabFM 模型
本文說明 BigQuery 內建的 TabFM 表格迴歸和分類模型。
內建的 TabFM 模型是 Google 研究團隊的開放原始碼 TabFM 模型實作項目。Google Research 的 TabFM 模型是表格型資料的基礎模型，可透過情境內學習，對結構化資料執行零樣本迴歸和分類。TabFM 模型是以數億個使用結構因果模型生成的合成資料集預先訓練而成，因此能擷取複雜的特徵互動，並在許多領域中，對未見過的實際資料表進行良好泛化。
您可以使用 TabFM 模型和 AI.PREDICT 函式，在單一前向傳遞中對結構化資料執行迴歸和分類，不必訓練模型、最佳化超參數或設計特徵。預測結果可與 XGBoost 和隨機森林等傳統監督式樹狀結構演算法相提並論。如果需要比 TabFM 模型提供的更多模型微調選項，可以改為訓練監督式模型，例如提升樹狀結構或隨機森林模型，並搭配 ML.PREDICT 函式使用。
如要使用 TabFM 模型預測表格資料，請使用 AI.PREDICT 函式。
如要根據實際值評估 TabFM 模型的預測值，請使用 AI.EVALUATE 函式。
如要進一步瞭解 Google 研究 TabFM 模型，請參閱下列資源：
透過 BigQuery 使用 TabFM 時，須遵守《Google Cloud 服務條款》，且允許商業用途。GitHub 和 Hugging Face 上公開下載的 TabFM 權重所適用的非商業用途授權，僅適用於自行代管的下載內容，不會限制在 BigQuery 中的使用方式。