Tipi di funzionalità di input supportati

BigQuery ML supporta diversi tipi di funzionalità di input per diversi tipi di modelli. I tipi di funzionalità di input supportati sono elencati nella tabella seguente:

Categoria del modello Tipi di modelli Tipi numerici (INT64, NUMERIC, BIGNUMERIC, FLOAT64) Tipi categorici (BOOL, STRING, BYTES, DATE, DATETIME) TIMESTAMP STRUCT GEOGRAPHY ARRAY<Tipi numerici> ARRAY<Categorical types> ARRAY<STRUCT<INT64, Tipi numerici>>
Apprendimento supervisionato Regressione lineare e logistica ✔ ✔ ✔ ✔ ✔ ✔ ✔
Reti neurali profonde ✔ ✔ ✔ ✔ ✔ ✔
Wide and Deep ✔ ✔ ✔ ✔ ✔ ✔
Modelli boosted tree ✔ ✔ ✔ ✔ ✔ ✔
AutoML Tables ✔ ✔ ✔ ✔ ✔ ✔
Apprendimento non supervisionato K-means ✔ ✔ ✔ ✔ ✔ ✔ ✔
PCA ✔ ✔ ✔ ✔ ✔ ✔
Autoencoder ✔ ✔ ✔ ✔ ✔ ✔ ✔
Modelli di serie temporali ARIMA_PLUS_XREG ✔ ✔ ✔ ✔ ✔ ✔

Input del vettore denso

BigQuery ML supporta ARRAY<numeric> come input vettoriale denso durante l'addestramento del modello. La funzionalità di incorporamento è un tipo speciale di vettore denso. Per saperne di più, consulta la funzione AI.GENERATE_EMBEDDING.

Input sparso

BigQuery ML supporta ARRAY<STRUCT> come input sparsi durante l'addestramento del modello. Ogni struct contiene un valore INT64 che rappresenta il suo indice in base zero e un tipo numerico che rappresenta il valore corrispondente.

Di seguito è riportato un esempio di input del tensore sparso per l'array di numeri interi [0,1,0,0,0,0,1]:

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