机器学习模型的端到端用户体验历程

本文档介绍了在 BigQuery ML 中训练的机器学习 (ML) 模型的用户体验历程，包括可用于处理 ML 模型的语句和函数。BigQuery ML 提供以下类型的机器学习模型：

• 监督式学习模型：

  • 线性回归和逻辑回归
  • 深度神经网络 (DNN)
  • Wide & Deep
  • 提升树
  • 随机森林
  • AutoML

• 无监督学习模型：

  • K-means 集群
  • 矩阵分解
  • 自动编码器
  • 主成分分析 (PCA)

• 仅转换模型：仅转换模型不是典型的机器学习模型，而是将原始数据转换为特征的制品。

模型创建用户体验历程

下表介绍了可用于创建和调整模型的语句和函数：

模型类别	模型类型	模型创建	特征预处理	超参数调优1	模型权重	特征和训练信息	教程
监督式学习	线性回归和逻辑回归	CREATE MODEL	自动预处理 手动预处理	超参数调优 ML.TRIAL _INFO	ML.WEIGHTS	ML.FEATURE _INFO ML.TRAINING _INFO	使用线性回归预测企鹅体重 使用逻辑回归模型执行分类
	深度神经网络 (DNN)	CREATE MODEL	自动预处理 手动预处理	超参数调优 ML.TRIAL _INFO	不适用2	ML.FEATURE _INFO ML.TRAINING _INFO	不适用
	Wide & Deep 网络	CREATE MODEL	自动预处理 手动预处理	超参数调优 ML.TRIAL _INFO	不适用2	ML.FEATURE _INFO ML.TRAINING _INFO	不适用
	提升树	CREATE MODEL	自动预处理 手动预处理	超参数调优 ML.TRIAL _INFO	不适用2	ML.FEATURE _INFO ML.TRAINING _INFO	使用提升树模型执行分类
	随机森林	CREATE MODEL	自动预处理 手动预处理	超参数调优 ML.TRIAL _INFO	不适用2	ML.FEATURE _INFO ML.TRAINING _INFO	不适用
	AutoML 分类和回归	CREATE MODEL	AutoML 会自动执行特征工程	AutoML 会自动执行超参数调优	不适用2	ML.FEATURE _INFO ML.TRAINING _INFO	不适用
非监督式学习	K-means	CREATE MODEL	自动预处理 手动预处理	超参数调优 ML.TRIAL _INFO	ML.CENTROIDS	ML.FEATURE _INFO ML.TRAINING _INFO	在自行车站点数据中查找聚类
	矩阵分解	CREATE MODEL	不适用	超参数调优 ML.TRIAL _INFO	ML.WEIGHTS	ML.FEATURE _INFO ML.TRAINING _INFO	使用显式反馈生成影片推荐 使用隐式反馈生成内容推荐
	主成分分析 (PCA)	CREATE MODEL	自动预处理 手动预处理	不适用	ML.PRINCIPAL _COMPONENTS ML.PRINCIPAL _COMPONENT _INFO	ML.FEATURE _INFO ML.TRAINING _INFO	不适用
	自动编码器	CREATE MODEL	自动预处理 手动预处理	超参数调优 ML.TRIAL _INFO	不适用2	ML.FEATURE _INFO ML.TRAINING _INFO	不适用
仅转换	仅转换	CREATE MODEL	手动预处理	不适用	不适用	ML.FEATURE _INFO	不适用

¹如需查看有关使用超参数调优的分步示例，请参阅使用超参数调优提高模型性能。

²BigQuery ML 未提供用于检索此模型权重的函数。如需查看模型的权重，您可以将模型从 BigQuery ML 导出到 Cloud Storage，然后使用 XGBoost 库或 TensorFlow 库直观呈现树模型的树状结构或神经网络的图结构。如需了解详情，请参阅 EXPORT MODEL 和导出 BigQuery ML 模型以进行在线预测。

模型使用用户体验历程

下表介绍了可用于评估、解释模型并从模型获取预测结果的语句和函数：

模型类别	模型类型	评估	推断	AI 说明	模型监控
监督式学习	线性回归和逻辑回归	ML.EVALUATE ML.CONFUSION _MATRIX1 ML.ROC_CURVE2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT3 ML.GLOBAL_EXPLAIN ML.ADVANCED_WEIGHTS5	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	深度神经网络 (DNN)	ML.EVALUATE ML.CONFUSION _MATRIX1 ML.ROC_CURVE2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT3 ML.GLOBAL_EXPLAIN ML.ADVANCED_WEIGHTS5	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	Wide & Deep 网络	ML.EVALUATE ML.CONFUSION _MATRIX1 ML.ROC_CURVE2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT3 ML.GLOBAL_EXPLAIN ML.ADVANCED_WEIGHTS5	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	提升树	ML.EVALUATE ML.CONFUSION _MATRIX1 ML.ROC_CURVE2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT3 ML.GLOBAL_EXPLAIN ML.FEATURE_IMPORTANCE4	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	随机森林	ML.EVALUATE ML.CONFUSION _MATRIX1 ML.ROC_CURVE2	ML.PREDICT ML.TRANSFORM	ML.EXPLAIN_PREDICT3 ML.GLOBAL_EXPLAIN ML.FEATURE_IMPORTANCE4	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	AutoML 分类和回归	ML.EVALUATE ML.CONFUSION _MATRIX1 ML.ROC_CURVE2	ML.PREDICT	ML.GLOBAL_EXPLAIN	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
非监督式学习	K-means	ML.EVALUATE	ML.PREDICT ML.DETECT _ANOMALIES ML.TRANSFORM	不适用	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	矩阵分解	ML.EVALUATE	ML.RECOMMEND ML.GENERATE _EMBEDDING	不适用	不适用
	主成分分析 (PCA)	ML.EVALUATE	ML.PREDICT ML.GENERATE _EMBEDDING ML.DETECT _ANOMALIES ML.TRANSFORM	不适用	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
	自动编码器	ML.EVALUATE	ML.PREDICT ML.GENERATE _EMBEDDING ML.DETECT _ANOMALIES ML.RECONSTRUCTION _LOSS ML.TRANSFORM	不适用	ML.DESCRIBE_DATA ML.VALIDATE_DATA _DRIFT ML.VALIDATE_DATA _SKEW ML.TFDV_DESCRIBE ML.TFDV_VALIDATE
仅转换	仅转换	不适用	ML.TRANSFORM	不适用	不适用

¹ML.CONFUSION_MATRIX 仅适用于分类模型。

²ML.ROC_CURVE 仅适用于二元分类模型。

³ML.EXPLAIN_PREDICT 函数涵盖了 ML.PREDICT 函数，因为其输出是 ML.PREDICT 结果的超集。

⁴如需了解 ML.GLOBAL_EXPLAIN 和 ML.FEATURE_IMPORTANCE 之间的区别，请参阅 Explainable AI 概览。

⁵ML.ADVANCED_WEIGHTS 函数涵盖了 ML.WEIGHTS 函数，因为其输出是 ML.WEIGHTS 结果的超集。