machine-learning - 从 BigQuery ML 中的训练数据中排除列

Question

我正在使用 BigQuery ML 训练模型，我的输入有多个字段，其中一个是客户编号，该编号作为预测功能没有用处，但我在最终输出中确实需要它，以便我可以引用哪些用户得分高，哪些用户得分低。如何从模型训练中排除此列而不完全删除它？

阅读文档，我发现排除列的唯一方法是将其添加到 input_label_cols显然不是，或者 data_split_col这是不可取的。

Answer 1

您不需要包含到不需要成为模型一部分的模型字段中 - 根本不需要。
相反，您需要在预测期间包含它们

例如，在下面的模型中，您只有 6 个字段作为输入(载体、出发地、目的地、dep_delay、taxi_out、距离)

#standardsql
CREATE OR REPLACE MODEL flights.ontime
OPTIONS
  (model_type='logistic_reg', input_label_cols=['on_time']) AS
SELECT
  IF(arr_delay < 15, 1, 0) AS on_time,
  carrier,
  origin,
  dest,
  dep_delay,
  taxi_out,
  distance
FROM `cloud-training-demos.flights.tzcorr`
WHERE arr_delay IS NOT NULL   

在预测时，您可以使用所有额外字段，如下所示(您可以将它们放在 SELECT 的任何位置 - 但请注意 - 预测列将首先出现:

#standardsql
SELECT * FROM ml.PREDICT(MODEL `cloud-training-demos.flights.ontime`, (
  SELECT
    UNIQUE_CARRIER,         -- extra column
    ORIGIN_AIRPORT_ID,      -- extra column
    IF(arr_delay < 15, 1, 0) AS on_time,
    carrier,
    origin,
    dest,
    dep_delay,
    taxi_out,
    distance
  FROM `cloud-training-demos.flights.tzcorr`
  WHERE arr_delay IS NOT NULL
  LIMIT 5
))   

显然input_label_cols and data_split_col有不同的目的

input_label_cols STRING The label column name(s) in the training data.

data_split_col STRING This option identifies the column used to split the data [into training and evaluation sets]. This column cannot be used as a feature or label, and will be excluded from features automatically.