SQL前処理を使用してBigQuery MLモデルをトレーニングしますが、未加工の未変換入力で予測を実行します。予測時のデータスキューを回避するために、トレーニングと予測をどのように構成すべきですか？

BigQuery MLのTRANSFORM句は、トレーニング時に前処理ロジックをモデル定義に組み込むことを可能にします。これにより、トレーニングデータと予測データの両方に同じ変換が自動的に適用されるため、トレーニングと予測の間でデータスキューが発生するリスクがなくなります。予測時に未加工の入力データに対してML.EVALUATEを使用すると、モデルはトレーニング時に定義されたTRANSFORM句を適用し、一貫した結果を保証します。 他の選択肢は、トレーニングと予測の間に前処理の不一致を引き起こす可能性があり、データスキューにつながります。例えば、予測前に手動でデータを変換したり、ビューを使用したりすると、トレーニング時の変換と予測時の変換が同期されなくなる可能性があります。Dataflowを使用する方法も、BigQuery MLの組み込み機能の利点を活用せず、前処理ロジックの管理を複雑にする可能性があります。