Мэтай аператара CREATE MODEL у BigQuery ML з'яўляецца стварэнне мадэлі машыннага навучання з выкарыстаннем стандартнага SQL на платформе BigQuery Google Cloud. Гэта сцвярджэнне дазваляе карыстальнікам навучаць і разгортваць мадэлі машыннага навучання без неабходнасці складанага кадавання або выкарыстання знешніх інструментаў.
Пры выкарыстанні аператара CREATE MODEL карыстальнікі могуць вызначыць тып мадэлі, якую яны жадаюць стварыць, напрыклад, лінейная рэгрэсія, лагістычная рэгрэсія, кластэрызацыя k-сярэдніх або глыбокія нейронавыя сеткі. Гэтая гнуткасць дазваляе карыстальнікам выбіраць найбольш прыдатную мадэль для іх канкрэтнага выпадку выкарыстання.
Аператар CREATE MODEL таксама дазваляе карыстальнікам вызначаць ўваходныя даныя для навучання мадэлі. Гэта можна зрабіць, указаўшы табліцу BigQuery, якая змяшчае навучальныя даныя, а таксама функцыі і меткі, якія будуць выкарыстоўвацца ў мадэлі. Функцыі - гэта ўваходныя зменныя, якія мадэль будзе выкарыстоўваць для прагназавання, у той час як пазнакі - гэта мэтавыя зменныя, якія мадэль будзе спрабаваць прадказаць.
Пасля стварэння мадэлі карыстальнікі могуць навучыць яе, выканаўшы аператар CREATE MODEL. У працэсе навучання мадэль вучыцца на ўваходных даных і карэктуе свае ўнутраныя параметры, каб мінімізаваць розніцу паміж прагназуемымі вывадамі і фактычнымі пазнакамі. Працэс навучання звычайна паўтарае даныя некалькі разоў, каб павысіць дакладнасць мадэлі.
Пасля навучання мадэль можна выкарыстоўваць для прагназавання з дапамогай функцыі ML.PREDICT у BigQuery. Гэтая функцыя прымае навучаную мадэль і новыя ўваходныя даныя ў якасці параметраў і вяртае прадказаныя вынікі на аснове вывучаных шаблонаў з даных навучання.
Мэтай аператара CREATE MODEL у BigQuery ML з'яўляецца стварэнне і навучанне мадэляў машыннага навучання з выкарыстаннем стандартнага SQL на платформе BigQuery Google Cloud. Гэта сцвярджэнне забяспечвае зручны і эфектыўны спосаб выкарыстоўваць магчымасці машыннага навучання без неабходнасці выкарыстання знешніх інструментаў або шырокага кадавання.
Іншыя апошнія пытанні і адказы адносна Поспехі ў машынным навучанні:
- Калі ядро разгалінавана з дадзенымі, а арыгінал з'яўляецца прыватным, ці можа разгалінаванае быць агульнадаступным, і калі так, не з'яўляецца парушэннем прыватнасці?
- Якія абмежаванні ёсць у працы з вялікімі наборамі даных у машынным навучанні?
- Ці можа машыннае навучанне аказаць некаторую дапамогу ў дыялогу?
- Што такое гульнявая пляцоўка TensorFlow?
- Ці перашкаджае рэжым Eager функцыянальнасці размеркаваных вылічэнняў TensorFlow?
- Ці можна выкарыстоўваць воблачныя рашэнні Google для аддзялення вылічэнняў ад сховішча для больш эфектыўнага навучання мадэлі ML з вялікімі дадзенымі?
- Ці забяспечвае Google Cloud Machine Learning Engine (CMLE) аўтаматычнае атрыманне і канфігурацыю рэсурсаў і апрацоўвае іх адключэнне пасля завяршэння навучання мадэлі?
- Ці можна навучыць мадэлі машыннага навучання на як заўгодна вялікіх наборах даных без збояў?
- Ці патрабуе пры выкарыстанні CMLE стварэнне версіі ўказання крыніцы экспартаванай мадэлі?
- Ці можа CMLE счытваць дадзеныя з воблачнага сховішча Google і выкарыстоўваць для вываду вызначаную падрыхтаваную мадэль?
Больш пытанняў і адказаў глядзіце ў раздзеле "Пашырэнне машыннага навучання".