通常,机器学习模型的训练和预测结果需要代码将数据导入模型。谷歌BigQuery毫升通过将模型引入到数据中来反转这一点。谷歌BigQuery是一个数据仓库,设计用于为分析用例提供使用SQL的大规模查询。谷歌BigQuery ML扩展了这个函数及其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,例如用于预测的线性回归或用于分类的二元和多元回归。它还支持导入以前训练过的内容,但功能有限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建议的门槛,特别是对于快速探索,但这也带来了一个困难的权衡:在模型训练的其他方面,比如道德偏见的测试,explainability和机器学习的持续交付.