menu
arrow_back

Taxikosten mit einem ML-Prognosemodell in BigQuery vorhersagen

Taxikosten mit einem ML-Prognosemodell in BigQuery vorhersagen

Hours 7 Credits

GSP246

Google Cloud-Labs zum selbstbestimmten Lernen

Übersicht

BigQuery ist eine vollständig verwaltete, automatisierte und kostengünstige Analysedatenbank von Google. Mit diesem Tool können Sie mehrere Terabyte an Daten abfragen und müssen dabei weder eine Infrastruktur verwalten noch benötigen Sie einen Datenbankadministrator. Es basiert auf SQL und die Abrechnung erfolgt nach dem "Pay as you go"-Modell. Mithilfe von BigQuery können Sie sich einfach auf die Datenanalyse konzentrieren.

BigQuery ML (BQML, Betaversion) ist eine neue Funktion in BigQuery, mit der Datenanalysten mit minimalem Programmieraufwand Modelle für maschinelles Lernen (ML) erstellen, trainieren und evaluieren sowie damit Vorhersagen treffen können.

In diesem Lab analysieren Sie mehrere Millionen Fahrten mit den typischen gelben New York City Taxi Cabs, die in einem öffentlichen BigQuery-Dataset verfügbar sind. Danach erstellen Sie mithilfe von BigQuery ein ML-Modell, das die voraussichtlichen Taxikosten auf Grundlage der Modelleingaben berechnet. Abschließend bewerten Sie Ihr Modell und treffen Vorhersagen.

Ziele

Aufgaben in diesem Lab:

  • Mit BigQuery nach öffentlichen Datasets suchen

  • Das öffentliche Dataset zu New York City Taxi Cabs abfragen und analysieren

  • Ein Trainings- und Bewertungsdataset zur Batchvorhersage erstellen

  • Ein Prognosemodell (lineare Regression) in BQML erstellen

  • Die Leistung Ihres ML-Modells bewerten

Voraussetzungen

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

Calculate trips taken by Yellow taxi in each month of 2015

Schritt durchführen

/ 10

Calculate average speed of Yellow taxi trips in 2015

Schritt durchführen

/ 10

Test whether fields are good inputs to your fare forecasting model

Schritt durchführen

/ 20

Create a BigQuery dataset to store models

Schritt durchführen

/ 10

Create a taxifare model

Schritt durchführen

/ 20

Evaluate classification model performance

Schritt durchführen

/ 10

Predict taxi fare amount

Schritt durchführen

/ 20

home
Startseite
school
Katalog
menu
Mehr
Mehr