Tahmin edici bilgileri korurken, en az kodlamayla bir BigQuery ML doğrusal regresyon modeli için şehir kategorik özelliğini hazırlayın. Ne yapmalısınız?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Şehri ikili sütunlara one-hot encode etmek için BigQuery SQL kullanın..
Neden bu cevap
BigQuery ML, kategorik özellikleri doğrudan işleyebilir, ancak doğruluk ve model performansı için one-hot encoding genellikle daha iyi sonuçlar verir. ML.FEATURETRANSFORM veya ML.TRANSFORM gibi BigQuery ML fonksiyonları ile SQL kullanarak şehir sütununu one-hot encode etmek, tahminsel bilgiyi korurken minimum kodlama ile bu işlemi gerçekleştirmenin en etkili yoludur. Bu yöntem, her bir şehir kategorisi için ayrı bir ikili sütun oluşturarak modelin bu kategorileri daha iyi anlamasını sağlar. Şehir sütununu dışarıda bırakmak önemli bilgiyi kaybettirir. TensorFlow veya Cloud Data Fusion kullanmak, BigQuery ML'in yerleşik yeteneklerini kullanmak yerine ek araçlar ve daha fazla kodlama gerektirir. Sayısal bölge etiketleri, şehirler arasındaki anlamsız sıralama ilişkileri oluşturarak modelin yanlış öğrenmesine neden olabilir.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez