적용 대상:
브릭스 SQL 체크 예 브릭스 런타임 19.3 이상
Important
이 기능은 베타 버전으로 제공됩니다. 사용하려면 작업 공간 관리자가 Previews 페이지에서 예측 AI 기능을 켜야 합니다. Azure Databricks 미리 보기 관리를 참조하세요.
ai_predict_class() 목표 열이 아닌 NULL 행에서 분류 모델을 학습시키고, 가 위치한 NULL행에 대해 클래스를 예측합니다. 함수는 점수를 받은 행만 반환하고, 입력 열에는 예측 및 신뢰도(confidence) 열을 추가합니다.
요구 사항
- Pro나 Serverless SQL 웨어하우스, 또는 Databricks Runtime 19.3 이상을 실행하는 클러스터
- Predictive AI Functions 미리보기에서 작업 공간을 등록하세요. Azure Databricks 미리 보기 관리를 참조하세요.
Syntax
ai_predict_class(
input => TABLE(input),
target_col => target_col,
feature_cols => feature_cols
[, seed => seed]
)
Arguments
모든 스칼라 인수에 이름을 따라 전달합니다. 이름이나 포지션으로 패스 input 할 수 있습니다.
-
input는 학습 행과 점수를 받을 행을 포함하는 테이블 값의 입력입니다. 대상 열이 있는 행은 모델을 학습하지 않습니다NULL. 목표 열이 있는NULL행은 점수를 매깁니다. -
target_col는 대상 열을 명명하는 상수STRING입니다. 목표는 최상위 숫자, 불리언 또는 문자열 열이어야 하며, 에 나타나feature_cols서는 안 됩니다. -
feature_cols특징 열을 명명하는 비어 있지 않은 상수ARRAY<STRING>입니다. 각 기능은 최상위 숫자, 불리언 또는 문자열 열이어야 합니다. -
seed(선택적으로) 는 모델 훈련 중에 사용되는 의사난수 연산을 초기화하는 정수 값입니다. 기본값은0입니다.
Returns
이 함수는 목표 열이 인 NULL입력 행을 포함하는 테이블을 반환합니다. 출력은 모든 입력 열을 유지하고 다음 열을 추가합니다:
-
<target_col>_prediction: 예측된 클래스이며, 목표 열과 동일한 데이터 타입을 가집니다. -
<target_col>_confidence: 와1사이의0ADOUBLE는 예측된 클래스의 모델 확률을 포함한다.
입력 행에 타겟이 NULL 없으면, 함수는 빈 테이블을 반환합니다.
Example
다음 예시는 이탈 결과가 알려진 고객을 대상으로 훈련하며, 누락된 결과가 있는 고객이 이탈할지 예측합니다:
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
- 각 호출은 하나의 타겟 열을 지원하며 새로운 모델을 훈련시킵니다. 이 함수는 모델을 재사용을 위해 영속성하지 않습니다.
- 타겟 및 피처 컬럼은 최상위 컬럼이어야 합니다. 중첩된 필드는 지원되지 않습니다.
- 훈련 행은 최소 두 개의 구별되는 비
NULL목표 값을 포함해야 합니다. - 입력에는 이미 또는 이름이 붙은
<target_col>_prediction<target_col>_confidence열이 포함되어 있어서는 안 됩니다.
오류 조건
유효하지 않은 열, 타입 또는 인자는 오류 조건AI_PREDICT_INVALID_PARAMETER 참조하세요. 불충분한 학습 데이터에 대해서는 오류 조건AI_PREDICT_INSUFFICIENT_TRAINING_DATA 참조하세요.
관련 함수
수치 값을 예측하려면 함수를 사용ai_predict_value하세요. 표 행 훈련 없이 제공하는 라벨과 텍스트를 분류하려면 함수를 사용ai_classify하세요. 다른 AI 기능에 대해서는 AI 함수를 이용한 비정형 데이터 변환을 참조하세요.