Unterstützte Eingabefeature-Typen

BigQuery ML unterstützt verschiedene Eingabefeaturetypen für verschiedene Modelltypen. In der folgenden Tabelle sind die unterstützten Eingabefeaturetypen aufgeführt:

Modellkategorie Modelltypen Numerische Typen (INT64, NUMERIC, BIGNUMERIC, FLOAT64) Kategoriale Typen (BOOL, STRING, BYTES, DATE, DATETIME) TIMESTAMP STRUCT GEOGRAPHY ARRAY<Numerische Typen> ARRAY<Kategoriale Typen> ARRAY<STRUCT<INT64, numerische Typen>>
Beaufsichtigtes Lernen Lineare und logistische Regression ✔ ✔ ✔ ✔ ✔ ✔ ✔
Neuronale Deep-Learning-Netzwerke ✔ ✔ ✔ ✔ ✔ ✔
Wide and Deep ✔ ✔ ✔ ✔ ✔ ✔
Boosted Trees ✔ ✔ ✔ ✔ ✔ ✔
AutoML Tables ✔ ✔ ✔ ✔ ✔ ✔
Unbeaufsichtigtes Lernen K-means ✔ ✔ ✔ ✔ ✔ ✔ ✔
PCA ✔ ✔ ✔ ✔ ✔ ✔
Autoencoder ✔ ✔ ✔ ✔ ✔ ✔ ✔
Zeitreihenmodelle ARIMA_PLUS_XREG ✔ ✔ ✔ ✔ ✔ ✔

Vektoreingabe mit hoher Dichte

BigQuery ML unterstützt ARRAY<numerical> als dichten Vektoreingang während des Modelltrainings. Die Einbettungsfunktion ist ein spezieller Typ von dichten Vektoren. Weitere Informationen finden Sie unter ML.GENERATE_EMBEDDING-Funktion.

Dünnbesetzte Eingabe

BigQuery ML unterstützt ARRAY<STRUCT> als dünnbesetzte Eingabe während des Modelltrainings. Jede Struktur enthält einen INT64-Wert, der den nullbasierten Index darstellt, und einen numerischen Typ, der den entsprechenden Wert darstellt.

Im Folgenden finden Sie ein Beispiel für eine dünnbesetzte Tensoreingabe für das Ganzzahl-Array [0,1,0,0,0,0,1]:

ARRAY<STRUCT<k INT64, v INT64>>[(1, 1), (6, 1)] AS f1