menu
arrow_back

Prédire les achats des visiteurs avec un modèle de classification dans BQML

Prédire les achats des visiteurs avec un modèle de classification dans BQML

Hours Minutes 7 Credits

GSP229

Google Cloud – Ateliers adaptés au rythme de chacun

Aperçu

BigQuery est la base de données d'analyse à faible coût de Google, entièrement gérée et qui ne nécessite aucune opération (NoOps). Avec BigQuery, vous pouvez interroger des téraoctets de données sans avoir à gérer d'infrastructure ni faire appel à un administrateur de base de données. Basé sur le langage SQL et le modèle de facturation à l'utilisation, BigQuery vous permet de vous concentrer sur l'analyse des données pour en dégager des informations pertinentes.

BigQuery dispose d'une nouvelle fonctionnalité appelée BigQuery Machine Learning (ou BQML, disponible en version bêta), qui permet aux analystes de données de créer, d'entraîner et d'évaluer des modèles de machine learning en vue de prédire des résultats, et ce avec très peu de code.

Nous mettons à votre disposition un nouvel ensemble de données d'e-commerce, qui comprend des millions d'enregistrements Google Analytics relatifs au Google Merchandise Store, chargés dans BigQuery. Dans cet atelier, vous allez exécuter sur ces données des requêtes couramment utilisées par les entreprises pour en savoir plus sur les comportements d'achat de leurs clients.

Objectifs

Dans cet atelier, vous allez apprendre à réaliser les opérations suivantes :

  • Utiliser BigQuery pour rechercher des ensembles de données publics

  • Interroger et explorer l'ensemble de données d'e-commerce

  • Créer un ensemble de données d'entraînement et d'évaluation pour la prédiction par lot

  • Créer un modèle de classification (régression logistique) dans BQML

  • Évaluer les performances de votre modèle de machine learning

  • Prédire et classer la probabilité qu'un visiteur effectue un achat

Prérequis

Join Qwiklabs to read the rest of this lab...and more!

  • Get temporary access to the Google Cloud Console.
  • Over 200 labs from beginner to advanced levels.
  • Bite-sized so you can learn at your own pace.
Join to Start This Lab
Score

—/100

Create a new dataset

Réaliser l'étape

/ 20

Create a model and specify model options

Réaliser l'étape

/ 20

Evaluate classification model performance

Réaliser l'étape

/ 15

Improve model performance with Feature Engineering(Create second model)

Réaliser l'étape

/ 15

Improve model performance with Feature Engineering(Better predictive power)

Réaliser l'étape

/ 15

Predict which new visitors will come back and purchase

Réaliser l'étape

/ 15