Como os Modelos Funcionam no BigQuery ML

Descubra como os modelos de machine learning funcionam no BigQuery ML por meio desta introdução acessível a insights preditivos práticos. Conceitos complexos são descompostos para facilitar o entendimento de como os modelos se encaixam no fluxo de trabalho de dados e por que o BigQuery ML simplifica o processo de construção diretamente em SQL.

A Essência de um Modelo

Em essência, um modelo é um sistema inteligente de previsão. Ele analisa dados existentes, como atividade de clientes ou vendas, para aprender padrões e aplicá-los na classificação de novos dados. Um modelo funciona como um sistema no qual você fornece dados, ele aprende e, em seguida, prevê resultados futuros.

Tipos de Modelos no BigQuery ML

Selecione o tipo de modelo adequado com base em questões de negócio específicas e estruturas de dados:

• Modelos de regressão: utilize quando for necessário prever um resultado numérico, como receita ou valor do tempo de vida do cliente;
• Modelos de classificação: aplique para prever categorias em vez de números, como determinar se um cliente irá cancelar;
• Modelos de clusterização: utilize esta técnica não supervisionada para identificar agrupamentos naturais nos dados sem rótulos predefinidos;
• Previsão de séries temporais: previsão de valores futuros com base em tendências passadas, considerando sazonalidade e flutuações ao longo do tempo.

[Imagem comparando gráficos de regressão linear e classificação logística]

Comparando Classificação e Clusterização

É importante compreender a diferença fundamental entre esses dois métodos de agrupamento:

• Classificação: trabalha-se com classes conhecidas e predefinidas;
• Clusterização: o modelo descobre classes desconhecidas automaticamente.