ai_predict_value funkcja

Dotyczy do:zaznaczyło tak, Databricks SQL zaznaczyło tak, Databricks Runtime 19.3 i nowsze.

Ważna

Ta funkcja jest dostępna w wersji beta. Administratorzy obszaru roboczego mogą kontrolować dostęp do tej funkcji ze strony Podglądy . Zobacz Zarządzanie wersjami zapoznawczami usługi Azure Databricks.

ai_predict_value()trenuje model regresji z wierszy, gdzie kolumna docelowa nie ma, NULL i przewiduje cel dla wierszy, gdzie jest .NULL Funkcja zwraca tylko wiersze, które ocenia, i dodaje kolumnę predykcji do kolumn wejściowych.

Wymagania

Syntax

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

Arguments

Przekażcie wszystkie argumenty skalarne według nazwy. Możesz przekazywać input się po imieniu lub stanowisku.

  • input to dane wejściowe o wartości tabelowej, które zawierają wiersze treningowe oraz wiersze do punktowania. Wiersze, w których nie jest NULL kolumną docelową, trenują model. Wiersze, w których znajduje NULL się kolumna docelowa, są punktowane.
  • target_col jest stałą STRING nazywającą numeryczną kolumnę docelową. Kolumna musi być kolumną najwyższego poziomu i nie może pojawiać się w .feature_cols
  • feature_cols jest stałą ARRAY<STRING> niepustą, która nadaje nazwy kolumnom cech. Każda cecha musi być kolumną liczbową najwyższego poziomu, Boolea'a lub ciągiem wierszy.
  • seed (opcjonalnie) to wartość całkowa, która inicjalizuje operacje pseudolosowe używane podczas trenowania modelu. Wartość domyślna to 0.

Zwroty

Funkcja zwraca tabelę zawierającą wiersze wejściowe, gdzie kolumna docelowa to NULL. Wynik zachowuje wszystkie kolumny wejściowe i dodaje <target_col>_prediction się jako .DOUBLE

Jeśli żaden wiersz wejściowy nie ma celu NULL , funkcja zwraca pustą tabelę.

Example

Poniższy przykład trenuje na wierszach o znanych przychodach i przewiduje przychody dla sklepów, w których ich brakuje:

WITH sales AS (
  SELECT * FROM VALUES
    (1, 10.0, 'east', 120.0),
    (2, 12.0, 'east', 135.0),
    (3, 15.0, 'west', 160.0),
    (4, 18.0, 'west', 190.0),
    (5, 20.0, 'east', 205.0),
    (6, 24.0, 'west', 240.0),
    (7, 16.0, 'east', NULL),
    (8, 22.0, 'west', NULL)
  AS sales(store_id, advertising_spend, region, revenue)
)
SELECT store_id, revenue_prediction
FROM ai_predict_value(
  input => TABLE(sales),
  target_col => 'revenue',
  feature_cols => ARRAY('advertising_spend', 'region'),
  seed => 42
)
ORDER BY store_id;

Ograniczenia

  • Każde wywołanie obsługuje jedną kolumnę docelową i trenuje nowy model. Funkcja ta nie zachowuje modelu do ponownego użycia.
  • Kolumny docelowe i cechy muszą być kolumnami najwyższego poziomu. Pola zagnieżdżone nie są podtrzymywane.
  • Wejście musi zawierać co najmniej jeden wiersz z nie-celemNULL .
  • Wejście nie może już zawierać kolumny o nazwie <target_col>_prediction.

Warunki błędu

W przypadku nieprawidłowych kolumn, typów lub argumentów zobacz AI_PREDICT_INVALID_PARAMETER warunek błędu. Dla niewystarczających danych treningowych zobacz AI_PREDICT_INSUFFICIENT_TRAINING_DATA warunek błędu.

Aby przewidzieć etykietę klasy, użyj ai_predict_class funkcji. W przypadku innych funkcji AI zobacz Przekształcanie danych nieustrukturyzowanych za pomocą funkcji AI.

  • Last updated on