Tipos de recursos de entrada com suporte

O BigQuery ML é compatível com diferentes tipos de atributos de entrada para diferentes tipos de modelo. Os tipos de atributos de entrada compatíveis estão listados na tabela a seguir:

Categoria do modelo Tipos de modelos Tipos numéricos (INT64, NUMERIC, BIGNUMERIC, FLOAT64) Tipos categóricos (BOOL, STRING, BYTES, DATE, DATETIME) TIMESTAMP STRUCT GEOGRAPHY ARRAY<Tipos numéricos> ARRAY<Tipos categóricos> ARRAY<STRUCT<INT64, Tipos numéricos>>
Aprendizado supervisionado Regressão linear e logística ✔ ✔ ✔ ✔ ✔ ✔ ✔
Redes neurais profundas ✔ ✔ ✔ ✔ ✔ ✔
Amplitude e profundidade ✔ ✔ ✔ ✔ ✔ ✔
Árvores aprimoradas ✔ ✔ ✔ ✔ ✔ ✔
AutoML Tables ✔ ✔ ✔ ✔ ✔ ✔
Aprendizado não supervisionado K-means ✔ ✔ ✔ ✔ ✔ ✔ ✔
PCA ✔ ✔ ✔ ✔ ✔ ✔
Codificador automático ✔ ✔ ✔ ✔ ✔ ✔ ✔
Modelos de série temporal ARIMA_PLUS_XREG ✔ ✔ ✔ ✔ ✔ ✔

Entrada de vetor densa

O BigQuery ML aceita ARRAY<numerical> como entrada de vetor densa durante o treinamento do modelo. O recurso de embedding é um tipo especial de vetor denso. Consulte a função ML.GENERATE_EMBEDDING para mais informações.

Entrada esparsa

O BigQuery ML é compatível com ARRAY<STRUCT> como entrada esparsa durante o treinamento de modelo. Cada struct contém um valor INT64 que representa o índice dele baseado em zero e um tipo numérico que representa o valor correspondente.

Veja abaixo um exemplo de entrada esparsa de Tensor para a matriz de números inteiros [0,1,0,0,0,0,1]:

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