知识卡片
先探查数据再训练预测
SQLFlow操作先检查表结构与少量样本,核对字段类型、标签及特征含义,再用TO TRAIN声明模型和超参数,COLUMN/LABEL限定输入目标,INTO保存模型。预测时用TO PREDICT指定结果表列、USING指定模型,最后查询结果核验。语法降低了调用门槛,仍须防止目标泄漏并独立评价,不能以命令成功代替模型有效。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第10章 SQLFlow 10.2 设置SQLFlow运行环境 · 查看原书依据
如图10-7所示,TO TRAIN语句用于描述需要训练的模型种类,用户可以在这里声明需要使用的库和模型种类。WITH语句用于指定模型训练过程中需要的模型参数和相关超参数,例如模型隐层数(layers)、隐层节点数(hidden units)、优化器(optimizer)、损失函数(loss function)、批大小(batch_size)、迭代次数(epochs)等。具体的参数需要配合具体的模型种类进行声明和使用。
参考来源
- 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第10章 SQLFlow,10.2 设置SQLFlow运行环境(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0057.xhtml)
- 结论依据:原文逐步展示DESCRIBE、SELECT、训练、预测与查询结果,并解释训练参数。
- 原始内容:如图10-7所示,TO TRAIN语句用于描述需要训练的模型种类,用户可以在这里声明需要使用的库和模型种类。WITH语句用于指定模型训练过程中需要的模型参数和相关超参数,例如模型隐层数(layers)、隐层节点数(hidden units)、优化器(optimizer)、损失函数(loss function)、批大小(batch_size)、迭代次数(epochs)等。具体的参数需要配合具体的模型种类进行声明和使用。