menu
arrow_back

BQML で分類モデルを使用して訪問者の購入を予測する

BQML で分類モデルを使用して訪問者の購入を予測する

時間 分 7クレジット

GSP229

Google Cloud セルフペース ラボ

概要

BigQuery は、低コストでテラバイト規模のデータをクエリできる分析データベースです。Google による一貫管理が行われ、インフラストラクチャの管理やデータベース管理者の設置など、お客様による管理運用の必要がないため、有用な情報取得のためのデータ分析に専念できます。BigQuery は SQL を使用しており、従量課金制モデルでも利用できます。

BigQuery の新機能である BigQuery ML(BQML、ベータ版)を使用すれば、データ アナリストによる最小限のコーディングで、機械学習モデルの作成、トレーニング、評価、予測が可能になります。

Google Merchandise Store に関する数百万件にのぼる Google アナリティクスのレコードが格納された e コマース データセットが新たに BigQuery に読み込まれ、利用できるようになりました。このラボでは、このデータを使用して一般的なクエリを実行し、企業が知りたい顧客の購買習慣に関する情報を取得します。

目標

このラボでは、次のタスクの実行方法について学びます。

  • BigQuery を使用して一般公開データセットを見つける

  • e コマース データセットをクエリし、探索する

  • バッチ予測に使用するトレーニングと評価のデータセットを作成する

  • 分類(ロジスティック回帰)モデルを BQML に作成する

  • 機械学習モデルの性能を評価する

  • 訪問者が購入する見込みを予測し、ランクを付ける

必要なもの

  • Google Cloud Platform プロジェクト

  • Google Chrome や Mozilla Firefox などのブラウザ

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
スコア

—/100

Create a new dataset

ステップを実行

/ 20

Create a model and specify model options

ステップを実行

/ 20

Evaluate classification model performance

ステップを実行

/ 15

Improve model performance with Feature Engineering(Create second model)

ステップを実行

/ 15

Improve model performance with Feature Engineering(Better predictive power)

ステップを実行

/ 15

Predict which new visitors will come back and purchase

ステップを実行

/ 15

home
ホーム
school
カタログ
menu
もっと見る
もっと見る