लीनियर रिग्रेशन कोडलैब

1. जानकारी

इस कोडलैब में, आपको लीनियर रिग्रेशन का इस्तेमाल करके ऐसा मॉडल बनाने का तरीका बताया जाएगा जो हर क्लिक की लागत का अनुमान लगाता है.

ज़रूरी शर्तें

इस कोडलैब को पूरा करने के लिए, आपको इन चीज़ों की ज़रूरत होगी:

इस कोडलैब को पूरा करने के लिए, मॉडल बनाने के लिए आपको ज़रूरत के मुताबिक अच्छी क्वालिटी का कैंपेन डेटा चाहिए.

2. सीमित समय के लिए टेबल बनाएं

यह क्वेरी चलाएं

CREATE TABLE
 linear_regression_example_data
AS(
 WITH all_data AS (
   SELECT
     imp.user_id as user_id,
     ROW_NUMBER() OVER(PARTITION BY imp.user_id) AS rowIdx,
     imp.browser AS browser_name,
     gender_name AS gender_name,
     age_group_name AS age_group_name,
     DATETIME(TIMESTAMP_MICROS(
       imp.query_id.time_usec), "America/Los_Angeles") as impression_time,
     clk.advertiser_click_cost_usd AS label
   FROM adh.google_ads_impressions imp
     INNER JOIN adh.google_ads_clicks clk USING (impression_id)
     LEFT JOIN adh.gender ON demographics.gender = gender_id
     LEFT JOIN adh.age_group ON demographics.age_group = age_group_id
 )
 # Need just one user ID or regression won't work
 SELECT
   label,
   browser_name,
   gender_name,
   age_group_name,
   # Although BQML could divide impression_time into several useful variables on
   # its own, it may attempt to divide it into too many features. As a best
   # practice extract the variables that you think will be most helpful.
   # The output of impression_time is a number, but we care about it as a
   # category, so we cast it to a string.
   CAST(EXTRACT(DAYOFWEEK FROM impression_time) AS STRING) AS day_of_week,
   CAST(EXTRACT(HOUR FROM impression_time) AS STRING) AS hour,
 FROM
   all_data
 WHERE
   rowIdx = 1 # This ensures that there's only 1 row per user.
   AND
   label IS NOT NULL
   AND
   gender_name IS NOT NULL
   AND
   age_group_name IS NOT NULL
);

3. मॉडल बनाना और उसे ट्रेन करना

टेबल बनाने के चरणों को मॉडल बनाने के चरणों से अलग रखना सबसे सही तरीका है.

पिछले चरण में बनाई गई अस्थायी टेबल पर, यहां दी गई क्वेरी चलाएं. शुरू और खत्म होने की तारीखें देने की ज़रूरत नहीं है, क्योंकि ये तारीखें, अस्थायी टेबल में मौजूद डेटा के आधार पर तय की जाएंगी.

CREATE OR REPLACE
MODEL `example_linear`
OPTIONS(
   model_type = 'adh_linear_regression'
)
AS (
   SELECT *
   FROM
       tmp.linear_regression_example_data
);

SELECT * FROM ML.EVALUATE(MODEL `example_linear`)

पंक्ति	mean_absolute_error	mean_squared_error	mean_squared_log_error	median_absolute_error	r2_score	explained_variance
1	0.11102380666874107	0.019938972461569476	0.019503393448234131	0.091792024503562136	-9.8205955364568478	-9.7975398794423025