Mallien Toiminta BigQuery ML:ssä

Tutustu siihen, miten koneoppimismallit toimivat BigQuery ML:ssä tämän helposti lähestyttävän johdannon avulla käytännöllisiin ennakoiviin oivalluksiin. Pilko monimutkaiset käsitteet ymmärtääksesi, miten mallit sijoittuvat osaksi datatyönkulkuasi ja miksi BigQuery ML yksinkertaistaa mallien rakentamista suoraan SQL:ssä.

Mallin ydin

Ytimeltään malli on älykäs ennustusjärjestelmä. Se analysoi olemassa olevaa dataa, kuten asiakasaktiviteettia tai myyntiä, oppii kaavat ja soveltaa niitä uuden datan luokitteluun. Malli toimii järjestelmänä, johon syötetään dataa, se oppii ja ennustaa tulevia tuloksia.

Mallityypit BigQuery ML:ssä

Valitse oikea mallityyppi liiketoimintakysymyksesi ja datarakenteesi perusteella:

• Regressiomallit: käytä näitä ennustaessasi numeerista lopputulosta, kuten liikevaihtoa tai asiakkaan elinkaariarvoa;
• Luokittelumallit: sovella näitä ennustaessasi kategorioita numeroiden sijaan, esimerkiksi arvioidessasi, poistuuko asiakas;
• Klusterointimallit: hyödynnä tätä ohjaamatonta menetelmää tunnistaaksesi luonnollisia ryhmiä datasta ilman ennalta määriteltyjä luokkia;
• Aikasarjaennusteet: ennusta tulevia arvoja aiempien trendien perusteella huomioiden kausivaihtelut ja ajalliset muutokset.

[Kuva, jossa verrataan lineaarista regressiota ja logistista luokittelua]

Luokittelun ja klusteroinnin vertailu

On tärkeää ymmärtää näiden kahden ryhmittelymenetelmän perustavanlaatuinen ero:

• Luokittelu: työskentelet tunnettujen ja ennalta määriteltyjen luokkien kanssa;
• Klusterointi: malli löytää tuntemattomat luokat automaattisesti.