Penyesuaian hyperparameter BigQuery ML

BigQuery ML memungkinkan Anda melatih model ML dengan cepat pada data di BigQuery. Misalnya, Anda ingin melatih model ML linier untuk memprediksi durasi penyewaan sepeda, Anda dapat melakukannya dengan menggunakan:

CREATE OR REPLACE MODEL ch09eu.bicycle_model_linear
OPTIONS(
 model_type='linear_reg', input_label_cols=['duration']
)
AS
SELECT 
  start_station_name,
  CAST(EXTRACT(DAYOFWEEK FROM start_date) AS STRING) AS dayofweek,
  CAST(EXTRACT HOUR FROM start_date) AS STRING) AS hourofday,
  duration
FROM `bigquery-public-data.london_bicycles.cycle_hire`

CREATE OR REPLACE MODEL ch09eu.bicycle_model_dnn
TRANSFORM(
   start_station_name,
   CAST(EXTRACT(DAYOFWEEK FROM start_date) AS STRING) AS dayofweek,
   ML.BUCKETIZE(EXTRACT(HOUR FROM start_date), [0, 6, 12, 18, 24]) AS hourofday,
   duration
)
OPTIONS(
 model_type='dnn_regressor', input_label_cols=['duration'], 
 hidden_units=[32, 8],
 learn_rate=0.1,
 dropout=0.25,
)
AS
SELECT 
  start_station_name, start_date, duration
FROM `bigquery-public-data.london_bicycles.cycle_hire`

CREATE OR REPLACE MODEL ch09eu.bicycle_model_dnn_hparam
TRANSFORM(
   start_station_name,
   CAST(EXTRACT(DAYOFWEEK FROM start_date) AS STRING) AS dayofweek,
   ML.BUCKETIZE(EXTRACT(HOUR FROM start_date), [0, 6, 12, 18, 24]) AS hourofday,
   duration
)
OPTIONS(
 model_type='dnn_regressor', input_label_cols=['duration'], 
 num_trials=10,
 hidden_units=[32, 8],
 learn_rate=hparam_range(0, 0.5),
 dropout=hparam_candidates([0, 0.1, 0.25, 0.4])
)
AS
SELECT 
  start_station_name, start_date, duration
FROM `bigquery-public-data.london_bicycles.cycle_hire`

Perhatikan bahwa setiap jenis model hanya mengizinkan beberapa parameter untuk disetel. Misalnya, untuk model DNN, Anda dapat menyetel fungsi batch_size, dropout, learn_rate, optimizer, dan activation.

Bagaimana jika Anda ingin menyetel jumlah node tersembunyi? Atau mengubah interval ember? Atau coba dengan dan tanpa fitur individual? Dalam hal ini, Anda harus mengikuti pendekatan dalam artikel ini dan membangun perancah Python. Perancah Python seperti itu akan memberi Anda banyak fleksibilitas.

Namun, untuk menyetel parameter model dasar, gunakan integrasi bawaan ke Vertex AI.