Panoramica delle ponderazioni dei modelli BigQuery ML

Questo documento descrive in che modo BigQuery ML supporta la rilevabilità delle ponderazioni dei modelli per i modelli di machine learning (ML).

Un modello ML è un artefatto salvato dopo l'esecuzione di un algoritmo ML sui dati di addestramento. Il modello rappresenta le regole, i numeri e qualsiasi altra struttura di dati specifica dell'algoritmo necessaria per eseguire le previsioni. Ecco alcuni esempi:

  • Un modello di regressione lineare è composto da un vettore di coefficienti con valori specifici.
  • Un modello di albero decisionale è composto da uno o più alberi di istruzioni if-then con valori specifici.
  • Un modello di rete neurale profonda è composto da una struttura a grafo con vettori o matrici di ponderazioni con valori specifici.

In BigQuery ML, il termine ponderazioni dei modelli viene utilizzato per descrivere i componenti di cui è composto un modello.

Offerte di ponderazioni dei modelli in BigQuery ML

BigQuery ML offre più funzioni che puoi utilizzare per recuperare le ponderazioni dei modelli per modelli diversi.

Categoria di modello Tipi di modello Funzioni per le ponderazioni dei modelli Funzionalità della funzione
Modelli supervisionati Regressione lineare e logistica ML.WEIGHTS Recupera i coefficienti delle caratteristiche e l'intercetta.
Modelli non supervisionati Kmeans ML.CENTROIDS Recupera i coefficienti delle caratteristiche per tutti i centroidi.
Fattorizzazione matriciale ML.WEIGHTS Recupera le ponderazioni di tutti i fattori latenti. Rappresentano le due matrici scomposte, la matrice utente e la matrice elemento.
PCA ML.PRINCIPAL_COMPONENTS Recupera i coefficienti delle caratteristiche per tutti i componenti principali, noti anche come autovettori.
ML.PRINCIPAL_COMPONENT_INFO Recupera le statistiche di ogni componente principale, ad esempio l'autovalore.
Modelli di serie temporali ARIMA_PLUS ML.ARIMA_COEFFICIENTS Recupera i coefficienti del modello ARIMA, utilizzato per modellare il componente di tendenza della serie temporale di input. Per informazioni su altri componenti, come i pattern stagionali presenti nella serie temporale, utilizza ML.ARIMA_EVALUATE.

BigQuery ML non supporta le funzioni di ponderazione dei modelli per i seguenti tipi di modelli:

Per visualizzare le ponderazioni di tutti questi tipi di modelli, ad eccezione dei modelli AutoML Tables, esporta il modello da BigQuery ML a Cloud Storage. Puoi quindi utilizzare la libreria XGBoost per visualizzare la struttura ad albero per i modelli di alberi potenziati e foreste casuali oppure la libreria TensorFlow per visualizzare la struttura a grafo per i modelli DNN e wide-and-deep. Non esiste un metodo per ottenere informazioni sulle ponderazioni dei modelli per i modelli AutoML Tables.

Per ulteriori informazioni sull'esportazione di un modello, consulta l'istruzione EXPORT MODELed Esportare un modello BigQuery ML per la previsione online.

Passaggi successivi

Per ulteriori informazioni sulle istruzioni e sulle funzioni SQL supportate per i modelli ML, consulta Percorsi utente end-to-end per i modelli ML.