ai_predict_class Función

Aplica a: Databricks SQL Runtime 19.3 y superiores

Importante

Esta característica se encuentra en su versión beta. Para utilizarla, un administrador de espacio de trabajo debe activar las Funciones de IA Predictiva desde la página de Previsualizaciones . Consulte Administrar versiones preliminares de Azure Databricks.

ai_predict_class() entrena un modelo de clasificación a partir de filas donde la columna objetivo no NULL es y predice la clase para las filas donde está NULL. La función devuelve solo las filas que puntua y añade columnas de predicción y confianza a las columnas de entrada.

Requisitos

• Un almacén SQL Pro o Serverless, o un clúster que ejecute Databricks Runtime 19.3 o superior
• Inscribe tu espacio de trabajo en la vista previa de Funciones de IA Predictiva . Consulte Administrar versiones preliminares de Azure Databricks.

Syntax

ai_predict_class(
  input => TABLE(input),
  target_col => target_col,
  feature_cols => feature_cols
  [, seed => seed]
)

Arguments

Pasa todos los argumentos escalares por nombre. Puedes pasar input por nombre o posición.

• input es la entrada con valores en tabla que contiene las filas de entrenamiento y las filas a puntuar. Las filas donde no está NULL la columna objetivo entrenan el modelo. Se puntuan las filas donde está NULL la columna objetivo.
• target_col es una constante STRING que nombra la columna objetivo. El objetivo debe ser una columna numérica, booleana o de cadena de nivel superior y no debe aparecer en feature_cols.
• feature_cols es una constante ARRAY<STRING> no vacía que nombra las columnas de características. Cada característica debe ser una columna numérica, booleana o de cadena de nivel superior.
• seed (opcional) es un valor integral que inicializa operaciones pseudoaleatorias usadas durante el entrenamiento del modelo. El valor predeterminado es 0.

Devoluciones

La función devuelve una tabla que contiene las filas de entrada donde la columna destino es NULL. La salida conserva todas las columnas de entrada y añade las siguientes columnas:

• <target_col>_prediction: La clase predicha, con el mismo tipo de datos que la columna objetivo.
• <target_col>_confidence: A DOUBLE entre 0 y 1 que contiene la probabilidad del modelo para la clase predicha.

Si ninguna fila de entrada tiene un NULL objetivo, la función devuelve una tabla vacía.

Example

El siguiente ejemplo se dirige a clientes con resultados conocidos de abandono y predice si los clientes con resultados faltantes se abandonarán:

WITH customers AS (
  SELECT * FROM VALUES
    (1, 3, 'monthly', true),
    (2, 24, 'annual', false),
    (3, 5, 'monthly', true),
    (4, 30, 'annual', false),
    (5, 8, 'monthly', true),
    (6, 36, 'annual', false),
    (7, 6, 'monthly', NULL),
    (8, 28, 'annual', NULL)
  AS customers(customer_id, tenure_months, plan, churned)
)
SELECT customer_id, churned_prediction, churned_confidence
FROM ai_predict_class(
  input => TABLE(customers),
  target_col => 'churned',
  feature_cols => ARRAY('tenure_months', 'plan'),
  seed => 42
)
ORDER BY customer_id;

Limitaciones

• Cada invocación soporta una columna objetivo y entrena un nuevo modelo. La función no mantiene el modelo para su reutilización.
• Las columnas objetivo y de características deben ser columnas de nivel superior. No se soportan campos anidados.
• Las filas de entrenamiento deben contener al menos dos valores distintos y no objetivoNULL .
• La entrada no debe contener ya columnas con nombre <target_col>_prediction o <target_col>_confidence.

Condiciones del error

Para columnas, tipos o argumentos inválidos, véase AI_PREDICT_INVALID_PARAMETER condición de error. Para datos de entrenamiento insuficientes, véase AI_PREDICT_INSUFFICIENT_TRAINING_DATA condición de error.

Funciones relacionadas

Para predecir un valor numérico, utiliza ai_predict_value la función. Para clasificar el texto contra las etiquetas que proporcionas sin entrenamiento en filas tabulares, usa ai_classify función. Para otras funciones de IA, véase Transformar datos no estructurados usando funciones de IA.