Question#1(Associate Data Practitioner)

あなたの小売企業は、BigQuery に保存されている過去の購買データを使用して 顧客の離脱（churn）を予測 したいと考えています。データセットには、顧客の属性情報、購買履歴、およびその顧客が離脱したかどうかを示すラベル列が含まれています。このデータを使って、離脱する可能性が高い顧客を特定するための機械学習モデルを構築したいとします。

customer_data テーブルを使用し、churned 列をターゲットラベルとして、ロジスティック回帰モデルを作成・学習する必要があります。どの BigQuery ML クエリを使用すべきでしょうか？

A. CREATE OR REPLACE MODEL churn_prediction_model
OPTIONS(model_type='logistic_reg') AS
SELECT *
FROM customer_data;
B. CREATE OR REPLACE MODEL churn_prediction_model
OPTIONS(model_type='logistic_reg') AS
SELECT * EXCEPT(churned),
churned AS label
FROM customer_data;
C. CREATE OR REPLACE MODEL churn_prediction_model
OPTIONS(model_type='logistic_reg') AS
SELECT * EXCEPT(churned)
FROM customer_data;
D. CREATE OR REPLACE MODEL churn_prediction_model
OPTIONS(model_type='logistic_reg') AS
SELECT churned AS label
FROM customer_data;

正解と解説ディスカッション 0

正解：B

BigQuery ML における CREATE MODEL の基本構文

BigQuery ML では、CREATE MODEL 構文を使って直接SQLから機械学習モデルを作成・学習できます。ロジスティック回帰モデルを作る場合の基本形は次の通りです：

CREATE OR REPLACE MODEL dataset.model_name
OPTIONS(model_type='logistic_reg') AS
SELECT feature_columns, label_column AS label
FROM dataset.table;

ここで：

model_type='logistic_reg'：分類タスク（Yes/Noなど）に使用。
label 列名：予測したいターゲット変数（目的変数）として指定する必要があります。
その他の列：特徴量（説明変数）として利用されます。

churned を label として明示的に指定し、その他の列を特徴量として利用しています。

SELECT * EXCEPT(churned),
       churned AS label

BigQuery MLの推奨構文どおり。

Question#1(Associate Data Practitioner)

コメント

コメント

コメントするコメントをキャンセル

コメント

コメント

コメントする コメントをキャンセル

コメントするコメントをキャンセル