Google utiliza tecnología de IA para traducir contenido a tu idioma preferido. Las traducciones realizadas con IA pueden contener errores.

Descripción general de la regresión

Un caso de uso común del aprendizaje automático es predecir el valor de una métrica numérica para datos nuevos con un modelo entrenado en datos históricos similares. Por ejemplo, es posible que desees predecir el precio de venta esperado de una casa. Si usas la ubicación y las características de la casa como atributos, puedes compararla con casas similares que ya se vendieron y usar sus precios de venta para estimar el precio de venta de la casa.

Puedes usar cualquiera de los siguientes modelos en combinación con la función ML.PREDICT para realizar una regresión:

Modelos de regresión lineal: Usa la regresión lineal configurando la opción MODEL_TYPE en LINEAR_REG.
Modelos de árbol con boosting: Usa un árbol de decisión con boosting del gradiente configurando la opción MODEL_TYPE en BOOSTED_TREE_REGRESSOR.
Modelos de bosque aleatorio: Usa un bosque aleatorio configurando la opción MODEL_TYPE en RANDOM_FOREST_REGRESSOR.
Modelos de red neuronal profunda (DNN): Usa una red neuronal configurando la opción MODEL_TYPE en DNN_REGRESSOR.
Modelos profundos y amplios: Usa el aprendizaje profundo y amplio configurando la opción MODEL_TYPE en DNN_LINEAR_COMBINED_REGRESSOR.
Modelos de AutoML: Usa un modelo de clasificación de AutoML configurando la opción MODEL_TYPE en AUTOML_REGRESSOR.

Como alternativa, puedes usar la función AI.PREDICT para realizar una regresión con el modelo TabFM integrado. Puedes evaluar el rendimiento del modelo con la función AI.EVALUATE.

Conocimiento recomendado

Si usas la configuración predeterminada en las instrucciones CREATE MODEL y la función ML.PREDICT, puedes crear y usar un modelo de regresión incluso sin tener muchos conocimientos de AA. Sin embargo, tener conocimientos básicos sobre el desarrollo de AA te ayuda a optimizar tanto tus datos como tu modelo para obtener mejores resultados. Te recomendamos que uses los siguientes recursos para familiarizarte con las técnicas y los procesos de AA: