ai_predict_class функция

Применимо к:отмечен галочкой да Databricks SQL отмечен галочкой да Databricks Runtime 19.3 и выше

Important

Эта функция доступна в бета-версии. Администраторы рабочей области могут управлять доступом к этой функции на странице "Предварительные версии ". См. статью "Управление предварительными версиями Azure Databricks".

ai_predict_class()обучает модель классификации из строк, где целевой столбец отсутствуетNULL, и предсказывает класс для строк, где он .NULL Функция возвращает только те строки, которые оценивает, и добавляет столбцы предсказания и доверия к входным столбцам.

Требования

Syntax

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

Arguments

Передайте все скалярные аргументы по имени. Можно пройти input по имени или должности.

  • input — это вход с табличным значением, содержащий обучающие строки и строки для оценки. Строки, где целевой столбец не NULL принадлежит обучению модели. Строки, где находится NULL целевая колонка, оцениваются.
  • target_col — это константа STRING , которая называет целевую колонку. Цель должна быть верхним уровнем числового, булевого или строкового столбца и не должна отображаться в feature_cols.
  • feature_cols является непустой константой ARRAY<STRING> , которая называет столбцы признаков. Каждая признак должна быть числовым, булевым или строковым столбцем верхнего уровня.
  • seed (optional) — это интегральное значение, которое инициализирует псевдослучайные операции, используемые при обучении модели. Значение по умолчанию — 0.

Returns

Функция возвращает таблицу с входными строками, где целевой столбец — NULL. Выход сохраняет все входные столбцы и добавляет следующие столбцы:

  • <target_col>_prediction: Предсказанный класс с тем же типом данных, что и целевая колонка.
  • <target_col>_confidence: A DOUBLE между 0 и 1 , что содержит вероятность модели для предсказанного класса.

Если ни одна входная строка не имеет целевого NULL значения, функция возвращает пустую таблицу.

Example

Следующий пример обучает клиентов с известными результатами оттока и прогнозирует, будут ли клиенты с отсутствующими результатами оттокать:

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;

Ограничения

  • Каждое вызов поддерживает одну целевой колонку и обучает новую модель. Функция не сохраняет модель для повторного использования.
  • Колонки целевых и признаков должны быть столбцами верхнего уровня. Вложенные поля не поддерживаются.
  • Обучающие строки должны содержать как минимум два различных, нецелевыхNULL значения.
  • Вход не должен уже содержать столбцы с именем <target_col>_prediction или <target_col>_confidence.

Условия ошибок

Для недопустимых столбцов, типов или аргументов см. AI_PREDICT_INVALID_PARAMETER условие ошибки. Для недостаточных обучающих данных см. AI_PREDICT_INSUFFICIENT_TRAINING_DATA условие ошибки.

Чтобы предсказать числовое значение, используйте ai_predict_value функцию. Чтобы классифицировать текст по меткам, которые вы предоставили без обучения на табличных строках, используйте ai_classify функциональное применение. Для других функций ИИ см. раздел «Преобразование неструктурированных данных с использованием функций ИИ».

  • Last updated on