סקירה כללית על משקלים של מודלים ב-BigQuery ML

במאמר הזה מוסבר איך BigQuery ML תומך בגילוי משקלים של מודלים של למידת מכונה (ML).

מודל למידת מכונה הוא ארטיפקט שנשמר אחרי שמריצים אלגוריתם של למידת מכונה על נתוני אימון. המודל מייצג את הכללים, המספרים וכל מבנה נתונים אחר שספציפי לאלגוריתם ונדרש כדי ליצור תחזיות. דוגמאות:

  • מודל רגרסיה לינארית מורכב מווקטור של מקדמים עם ערכים ספציפיים.
  • מודל של עץ החלטה מורכב מעץ אחד או יותר של משפטי if-then עם ערכים ספציפיים.
  • מודל של רשת עצבית עמוקה מורכב ממבנה גרף עם וקטורים או מטריצות של משקלים עם ערכים ספציפיים.

ב-BigQuery ML, המונח משקלי מודל משמש לתיאור הרכיבים שמהם מורכב מודל.

מודלים של משקלים ב-BigQuery ML

ב-BigQuery ML יש כמה פונקציות שבהן אפשר להשתמש כדי לאחזר את משקלי המודלים של מודלים שונים.

קטגוריית המודל סוגי מודלים פונקציות של משקלי מודלים מה הפונקציה עושה
מודלים בפיקוח רגרסיה לינארית ולוגיסטית ML.WEIGHTS מאחזרת את מקדמי התכונות ואת נקודת החיתוך עם הציר.
מודלים של למידה בלתי מונחית Kmeans ML.CENTROIDS הפונקציה מאחזרת את מקדמי התכונות של כל הנקודות המרכזיות.
פירוק מטריצות ML.WEIGHTS אחזור המשקלים של כל הגורמים הסמויים. הם מייצגים את שתי המטריצות המפורקות, מטריצת המשתמשים ומטריצת הפריטים.
PCA ML.PRINCIPAL_COMPONENTS אחזור מקדמי התכונות של כל הרכיבים העיקריים, שנקראים גם וקטורים עצמיים.
ML.PRINCIPAL_COMPONENT_INFO הפונקציה מאחזרת את הנתונים הסטטיסטיים של כל רכיב ראשי, כמו ערך עצמי.
מודלים של סדרות זמנים ARIMA_PLUS ML.ARIMA_COEFFICIENTS הפונקציה מאחזרת את המקדמים של מודל ARIMA, שמשמש למידול רכיב המגמה של סדרת הזמן של הקלט. כדי לקבל מידע על רכיבים אחרים, כמו דפוסים עונתיים שקיימים בסדרת הזמנים, משתמשים ב-ML.ARIMA_EVALUATE.

BigQuery ML לא תומך בפונקציות של משקלי מודלים בסוגי המודלים הבאים:

כדי לראות את המשקלים של כל סוגי המודלים האלה, למעט מודלים של AutoML Tables, צריך לייצא את המודל מ-BigQuery ML ל-Cloud Storage. לאחר מכן אפשר להשתמש בספריית XGBoost כדי להציג את מבנה העץ של מודלים של עץ מחוזק ויער אקראי, או בספריית TensorFlow כדי להציג את מבנה הגרף של מודלים של רשת עצבית עמוקה (DNN) ומודלים רחבים ועמוקים. אין שיטה לקבלת מידע על משקלי המודלים של AutoML Tables.

מידע נוסף על ייצוא מודל זמין במאמרים בנושא הצהרת EXPORT MODEL וייצוא מודל BigQuery ML לחיזוי אונליין.

המאמרים הבאים

מידע נוסף על פונקציות והצהרות SQL נתמכות עבור מודלים של ML זמין במאמר מסלולי משתמשים מקצה לקצה למודלים של ML.