ML_PREDICT 関数は、構造化データを予測します。この関数は、分類や回帰などの従来の機械学習タスクに使用されます。
コマンドフォーマット
STRING|STRUCT ML_PREDICT(<model_name>, <version_name>, col1,col2,...);パラメーター
model_name: 必須。モデルの名前。`model_type` は
BOOSTED_TREE_REGRESSORまたはBOOSTED_TREE_CLASSIFIERである必要があります。version_name: 必須。モデルバージョンの名前。デフォルトバージョンを呼び出すには、
DEFAULT_VERSIONを入力します。col1,col2,...: 必須。予測用の入力列。列の型、順序、および数は、モデルの定義と一致する必要があります。一致しない場合は、エラーが返されます。
戻り値
model_typeがBOOSTED_TREE_REGRESSOR(回帰モデル) の場合、モデルは予測結果として STRING 型の結果列を返します。`model_type` が
BOOSTED_TREE_CLASSIFIER(分類モデル) の場合、STRUCT<label:STRING, probs:ARRAY(prob:FLOAT)>というフォーマットの `STRUCT` 型の結果列が返されます。ここで、STRUCT の最初のフィールドである
labelは、行の予測分類を指定します。2 番目のフィールドである
probsは、各クラスの予測確率を表します。
例
例 1: `demo_model_xgboost_regressor` という名前の XGBoost 回帰モデルを呼び出します。このモデルが存在しない場合は、まず作成する必要があります。詳細については、「MaxCompute で XGBoost モデルを使用してトレーニングと予測を行う」をご参照ください。モデルが作成されたら、次の例のデータを使用して予測を行います。
SELECT ML_PREDICT(demo_model_xgboost_regressor,v01,0.22438f,0f,9.69f,0,0.585f,6.027f,79.7f,2.4982f,6.123f,391f,19.2f,14.33f); -- 20.03961 が返されます。例 2: `test_xgboost_classifier` という名前の XGBoost 分類モデルを呼び出します。このモデルが存在しない場合は、まず作成する必要があります。詳細については、「モデルの作成と削除」をご参照ください。モデルが作成されたら、次の例のデータを使用して予測を行います。
SELECT ML_PREDICT(test_xgboost_classifier,v1,1,2,3,4); -- {label:0, probs:[0.9266666, 0.03781649, 0.03551693]} が返されます。