ai_predict_class függvény

Vonatkozik:jelölt igen Databricks SQL jelölt igen Databricks Runtime 19.3 és annál magasabb

Important

Ez a funkció bétaverzióban érhető el. A munkaterület rendszergazdái az Előnézetek lapon szabályozhatják a funkcióhoz való hozzáférést. Lásd: Az Azure Databricks előzetes verziójának kezelése.

ai_predict_class()betanítja a osztályozási modellt olyan sorokból, ahol a céloszlop nem NULL van, és előrejelzi az osztályt azokra a sorokra, ahol az .NULL A függvény csak a pontszámot adta vissza, és előrejelzési és bizalmi oszlopokat csatol a bemeneti oszlopokhoz.

Követelmények

  • Egy Pro vagy szerver nélküli SQL raktár, vagy egy klaszter, amely Databricks Runtime 19.3 vagy annál magasabb verziót futtat
  • Regisztrálja a munkaterületét a Predictive AI Functions előzetesbe. Lásd: Az Azure Databricks előzetes verziójának kezelése.

Syntax

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

Arguments

Adja át az összes skaláris érvet név szerint. Név vagy pozíció alapján is eljutsz input .

  • input az a táblázatértékű bemenet, amely tartalmazza a tanító sorokat és a pontozandó sorokat. Azok a sorok, ahol a céloszlop van, nem NULL tanítják a modellt. Azokat a sorokat, ahol a céloszlop található NULL , pontozva vannak.
  • target_col egy állandó STRING , amely a céloszlopot nevezi meg. A célpontnak egy felső szintű numerikus, boole-i vagy string oszlopnak kell lennie, és nem jelenthet meg benne.feature_cols
  • feature_cols egy nem üres állandó ARRAY<STRING> , amely a jellemzőoszlopokat nevezi meg. Minden jellemzőnek egy felső szintű numerikus, boole-szerű vagy stringoszlopnak kell lennie.
  • seed (opcionális) egy integrálérték, amely inicializálja a modell képzése során használt pszeudovéletlenszerű műveleteket. Az alapértelmezett érték a 0.

Returns

A függvény egy táblázatot ad vissza, amely tartalmazza a bemeneti sorokat, ahol a céloszlop .NULL A kimenet megtartja az összes bemeneti oszlopot, és a következő oszlopokat csatolja:

  • <target_col>_prediction: Az előrejelzésű osztály, ugyanazzal az adattípussal, mint a céloszlop.
  • <target_col>_confidence: A DOUBLE közötte 0 és 1 , amely tartalmazza a modell valószínűségét a megjósolt osztályra.

Ha nincs bemeneti sor, a NULL függvény üres táblát ad vissza.

Example

A következő példa az ismert churn kimenetelű ügyfeleket tanítja, és előrejelzi, hogy azok az ügyfelek, akiknek hiányzó eredményei vannak-e:

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;

Limitations

  • Minden meghívás egy céloszlopot támogat, és egy új modellt képez. A függvény nem tartja fenn a modellt újrahasználatra.
  • A cél- és jellemzőoszlopoknak felső szintű oszlopoknak kell lenniük. A beágyazott mezők nem támogatottak.
  • A képzési soroknak legalább két különálló, nemNULL célértéket kell tartalmazniuk.
  • A bemenet nem tartalmazhat már oszlopokat vagy -t .<target_col>_prediction<target_col>_confidence

Hibafeltételek

Érvénytelen oszlopok, típusok vagy argumentumok esetén lásd AI_PREDICT_INVALID_PARAMETER hibafeltételt. A nem megfelelő betanítási adatok esetén lásd: AI_PREDICT_INSUFFICIENT_TRAINING_DATA hibafeltétel.

Egy numerikus érték előrejelzéséhez használjuk ai_predict_value a függvényt. Ha a szöveget címkék alapján osztályozod, amelyeket táblázatos sorokra való betanítás nélkül adsz, használjai_classify function funkciót. Más MI funkciókért lásd: Strukturálatlan adatok átalakítása AI függvények segítségével.

  • Last updated on