En aquest tema, aprendrem com avaluar els models de Machine Learning creats amb BigQuery ML (BQML) i com utilitzar aquests models per fer prediccions. Aquest procés és crucial per assegurar-nos que els nostres models funcionen correctament i proporcionen resultats precisos.

BigQuery ML proporciona diverses mètriques per avaluar els models de Machine Learning. Les mètriques varien segons el tipus de model (classificació, regressió, etc.). Algunes de les mètriques més comunes són:

• Accuracy: Proporció de prediccions correctes respecte al total de prediccions.
• Precision: Proporció de prediccions positives correctes respecte al total de prediccions positives.
• Recall: Proporció de prediccions positives correctes respecte al total de casos reals positius.
• F1 Score: Mitjana harmònica de la precisió i el recall.
• Mean Absolute Error (MAE): Promig dels errors absoluts entre les prediccions i els valors reals.
• Root Mean Squared Error (RMSE): Arrel quadrada del promig dels errors quadrats entre les prediccions i els valors reals.

Suposem que hem creat un model de classificació per predir si un client farà una compra. Utilitzarem la funció ML.EVALUATE per obtenir les mètriques d'avaluació del model.

• ML.EVALUATE: Funció de BigQuery ML per avaluar un model.
• MODEL project_id.dataset.model_name: Especifica el model que volem avaluar.
• evaluation_data: Conjunt de dades utilitzat per avaluar el model.

Un cop hem avaluat el nostre model i estem satisfets amb el seu rendiment, podem utilitzar-lo per fer prediccions sobre noves dades. Utilitzarem la funció ML.PREDICT per fer-ho.

Continuant amb l'exemple anterior, utilitzarem el model de classificació per predir si nous clients faran una compra.

• ML.PREDICT: Funció de BigQuery ML per fer prediccions amb un model.
• MODEL project_id.dataset.model_name: Especifica el model que volem utilitzar per fer prediccions.
• new_data: Conjunt de dades sobre el qual volem fer prediccions.

1. Crea un model de regressió per predir el preu d'habitatges.
2. Utilitza la funció ML.EVALUATE per obtenir les mètriques d'avaluació del model.
3. Interpreta les mètriques obtingudes.

1. Utilitza el model de regressió creat en l'exercici anterior per predir el preu d'habitatges en un nou conjunt de dades.
2. Utilitza la funció ML.PREDICT per fer les prediccions.
3. Analitza els resultats obtinguts.

En aquest tema, hem après com avaluar els models de Machine Learning creats amb BigQuery ML utilitzant diverses mètriques d'avaluació. També hem vist com utilitzar aquests models per fer prediccions sobre noves dades. Aquests passos són essencials per assegurar-nos que els nostres models funcionen correctament i proporcionen resultats precisos. En el proper tema, explorarem les funcions avançades de BQML per millorar encara més els nostres models.