发布日期:2020年5月19日
目前的版本没有
这个光点不在当前版本的雷达上。如果它是最后几个版本之一，它很可能仍然是相关的。如果这个光点更老，它可能就不再有意义，我们今天的评估可能会不同。不幸的是，我们根本没有足够的带宽来不断地查看以前版本的雷达信号
了解更多
2020年5月
评估
以理解它将如何影响您的企业为目标，值得探讨。
通常，机器学习模型的训练和预测结果需要代码将数据输入模型。谷歌BigQuery毫升通过将模型引入数据来逆转这一点。谷歌BigQuery是一个数据仓库，旨在为使用SQL的大规模查询提供服务，用于分析用例。谷歌BigQuery ML扩展了这个函数和它的SQL接口，使用它的数据集来创建、训练和评估机器学习模型;并最终运行模型预测来创建新的BigQuery数据集。它支持一组有限的开箱即用的模型，如用于预测的线性回归或用于分类的二元和多类回归。它还支持，以有限的功能，导入以前的训练TensorFlow模型。尽管BigQuery ML及其基于sql的方法降低了使用机器学习进行预测和推荐的门槛，特别是在快速探索时，但这带来了一个困难的权衡:在模型训练的其他方面做出妥协，例如道德偏见的测试，explainability和机器学习的连续交付．
