使用集合让一切井井有条
根据您的偏好保存内容并对其进行分类。
模型创建概览
借助 BigQuery ML,您可以使用 SQL 根据 BigQuery 中的数据构建机器学习模型,并将其付诸使用。
BigQuery ML 中的典型模型开发工作流如下所示:
- 使用
CREATE MODEL
语句创建模型。
- 执行特征预处理。一些预处理是自动进行的,此外,您还可以在
TRANSFORM
子句中使用手动预处理函数执行其他预处理。
- 通过执行超参数调节使模型适合训练数据,从而优化模型。
- 评估模型,以评估它针对训练集外部的数据可能的表现,并视情况将其与其他模型进行比较。
- 使用模型执行推断来分析数据。
- 提供模型的可解释性,以阐明特定特征对给定预测结果以及模型整体情况的影响。
- 详细了解使用模型权重构成模型的组件。
由于您可以在 BigQuery ML 中使用多种不同类型的模型,因此每个模型可用的函数各不相同。如需查看每个模型可用的特定函数,请参阅每个模型的端到端用户体验历程。
如未另行说明,那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可,并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情,请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
最后更新时间 (UTC):2023-12-09。
[{
"type": "thumb-down",
"id": "hardToUnderstand",
"label":"Hard to understand"
},{
"type": "thumb-down",
"id": "incorrectInformationOrSampleCode",
"label":"Incorrect information or sample code"
},{
"type": "thumb-down",
"id": "missingTheInformationSamplesINeed",
"label":"Missing the information/samples I need"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"翻译问题"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"其他"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"易于理解"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"解决了我的问题"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"其他"
}]