Panoramica dei pesi dei modelli BigQuery ML
Puoi recuperare i pesi del modello in BigQuery ML per esaminare le regole, i numeri e i componenti specifici contenuti nei modelli di machine learning (ML) addestrati. La scoperta di queste strutture di dati interne ti consente di comprendere e controllare l'esatta logica matematica utilizzata dai tuoi modelli per fare previsioni.
Un modello ML è un artefatto che viene salvato dopo l'esecuzione di un algoritmo ML sui dati di addestramento. Il modello rappresenta le regole, i numeri e qualsiasi altra struttura di dati specifica dell'algoritmo necessaria per fare previsioni. Ecco alcuni esempi:
- Un modello di regressione lineare è composto da un vettore di coefficienti con valori specifici.
- Un modello di albero decisionale è composto da uno o più alberi di istruzioni if-then con valori specifici.
- Un modello di rete neurale profonda è costituito da una struttura a grafo con vettori o matrici di pesi con valori specifici.
In BigQuery ML, il termine pesi del modello viene utilizzato per descrivere i componenti di un modello.
Offerte di pesi dei modelli in BigQuery ML
BigQuery ML offre diverse funzioni che puoi utilizzare per recuperare i pesi del modello per modelli diversi.
| Categoria di modello | Tipi di modello | Funzioni per le ponderazioni dei modelli | Cosa fa la funzione |
|---|---|---|---|
| Modelli supervisionati | Regressione lineare e logistica | ML.WEIGHTS |
Recupera i coefficienti delle caratteristiche e l'intercetta. |
| Modelli non supervisionati | K-means | ML.CENTROIDS |
Recupera i coefficienti delle caratteristiche per tutti i centroidi. |
| Fattorizzazione matriciale | ML.WEIGHTS |
Recupera i pesi di tutti i fattori latenti. Rappresentano le due matrici scomposte, la matrice utente e la matrice elemento. | |
| PCA | ML.PRINCIPAL_COMPONENTS |
Recupera i coefficienti delle caratteristiche per tutti i componenti principali, noti anche come autovettori. | |
ML.PRINCIPAL_COMPONENT_INFO |
Recupera le statistiche di ogni componente principale, ad esempio l'autovalore. | ||
| Modelli di serie temporali | ARIMA_PLUS | ML.ARIMA_COEFFICIENTS |
Recupera i coefficienti del modello ARIMA, utilizzato per modellare la componente di tendenza della serie temporale di input. Per informazioni su altri componenti, come i pattern stagionali presenti nelle serie temporali, utilizza ML.ARIMA_EVALUATE. |
BigQuery ML non supporta le funzioni di ponderazione del modello per i seguenti tipi di modelli:
Per visualizzare i pesi di tutti questi tipi di modelli, ad eccezione dei modelli AutoML Tables, esporta il modello da BigQuery ML in Cloud Storage. Puoi quindi utilizzare la libreria XGBoost per visualizzare la struttura ad albero per i modelli ad albero con boosting e foresta casuale o la libreria TensorFlow per visualizzare la struttura del grafo per i modelli DNN e wide-and-deep. Non esiste un metodo per ottenere informazioni sui pesi dei modelli AutoML Tables.
Per saperne di più sull'esportazione di un modello, consulta
Istruzione EXPORT MODEL
e
Esporta un modello BigQuery ML per la previsione online.
Passaggi successivi
Per saperne di più sulle istruzioni e sulle funzioni SQL supportate per i modelli ML, consulta User journey end-to-end per i modelli ML.