وضع نماذج للانحدار لقوائم المستخدمين

يمكنك وضع توقّعات باستخدام نموذج انحدار خطي أو انحدار لوجستي حالي مع أوزان معروفة بدون استخدام ML.PREDICT، حتى بدون الوصول إلى النموذج نفسه. لإجراء ذلك، عليك استخدام حلّ بديل لاستخدام نماذج الانحدار التي تحافظ على الخصوصية التفاضلية (DP) داخل طلبات البحث الخاصة بتفعيل شرائح الجمهور في "مركز بيانات الإعلانات".

سيعلّمك هذا المثال المفصّل كيفية إجراء الاستدلال المحاكى لنماذج الانحدار الخطي والانحدار اللوجستي الثنائي الفعلية، ثم مقارنة النتائج بنتائج ML.PREDICT لإظهار دقة النتائج المحاكية. سيوضّح أيضًا مثالاً عمليًا على كيفية إنشاء قائمة مستخدمين باستخدام نموذج لوجستي ثنائي، والذي سيتم استخدامه في تطبيق نموذج إحالة ناجحة على عملية تفعيل شرائح الجمهور.

نظرة عامة على المثال:

  1. إنشاء بيانات
  2. تدريب النموذج
  3. الحصول على القيم المرجّحة والتقاطع
  4. محاكاة التوقّع
  5. مقارنة النتائج

مثال مفصّل

1. إنشاء بيانات

أنشئ جدولاً يتضمّن بيانات محاكاة لتدريب النموذج. ضَع علامة على جزء من الصفوف للمجموعة المستثناة.

الانحدار الخطّي

CREATE OR REPLACE TABLE DATASET_NAME.LIN_REG_TRAINING_SET AS
  WITH
  A AS (
    SELECT
      *
    FROM
      UNNEST(GENERATE_ARRAY(1, 100000)) AS row_number),
  B AS (
    SELECT
      row_number,
      RAND() AS rand_label,
      RAND() AS rand_feature_1,
      RAND() AS rand_feature_2,
      RAND() AS rand_feature_3,
      RAND() AS rand_feature_4,
      RAND() AS rand_feature_5,
      RAND() AS rand_feature_6,
      RAND() AS rand_feature_7,
      RAND() AS rand_feature_8,
      RAND() AS rand_feature_9,
      RAND() AS rand_feature_10
    FROM
      A),
  C AS (
    SELECT
      rand_label AS label,
      *
    FROM
      B),
  D AS (
    SELECT
    row_number,
    CAST(round(10 * label) AS INT64) AS label,
    (rand_label + rand_feature_1) / 2 AS feature_1,
    (rand_label + rand_feature_2) / 2 AS feature_2,
    (rand_label + rand_feature_3) / 2 AS feature_3,
    (rand_label + rand_feature_4) / 2 AS feature_4,
    (rand_label + rand_feature_5) / 2 AS feature_5,
    (rand_label + rand_feature_6) / 2 AS feature_6,
    (rand_label + rand_feature_7) / 2 AS feature_7,
    (rand_label + rand_feature_8) / 2 AS feature_8,
    (rand_label + rand_feature_9) / 2 AS feature_9,
    (rand_label + rand_feature_10) / 2 AS feature_10
    FROM
    C)

SELECT
  label,
  feature_1,
  feature_2,
  feature_3,
  feature_4,
  feature_5,
  feature_6,
  feature_7,
  feature_8,
  feature_9,
  feature_10,
  RAND() < 0.1 AS holdback -- Ten percent will be true.
FROM
  D

الانحدار اللوجستي الثنائي

SELECT
  CASE
    WHEN label < 5 THEN 0
    WHEN label >= 5 THEN 1
  END
  AS label,
  * EXCEPT (label)
FROM
  `DATASET_NAME.BIN_LOG_REG_TRAINING_SET`

2. تدريب النموذج

تدريب نموذج انحدار من مجموعة التدريب

الانحدار الخطّي

CREATE OR REPLACE MODEL `DATASET_NAME.LIN_REG_MODEL` OPTIONS (model_type="linear_reg") AS
  SELECT
    * except (holdback)
  FROM
    `DATASET_NAME.LIN_REG_TRAINING_SET`
  WHERE
    NOT holdback

يُرجى العِلم أنّنا أضفنا تشويشًا كافيًا إلى البيانات المحاكاة للحصول على نموذج بقيمة R2 = 0.9009.

القياس القيمة
متوسّط الخطأ المطلق 0.7359
الخطأ التربيعي المتوسّط 0.8432
متوسط الخطأ التربيعي اللوغاريتمي 0.0810
متوسّط الخطأ المطلق 0.6239
مُعامل التحديد 0.9009

الانحدار اللوجستي الثنائي

CREATE OR REPLACE MODEL `DATASET_NAME.BIN_LOG_REG_MODEL` OPTIONS (model_type="logistic_reg") AS
  SELECT
    * EXCEPT (holdback)
  FROM
    `DATASET_NAME.BIN_LOG_REG_TRAINING_SET`
  WHERE
    NOT holdback

مثال على النتائج لاحظ الدقة البالغة 0.9260.

القياس القيمة
الفئة الموجبة 1
الفئة السلبية 0
الدقة 0.0810
استدعاء 0.9315
الدقة 0.9260
درجة F1 0.9328

توضّح القيم البارزة في مصفوفة التشويش عدد المرات التي صنّف فيها النموذج كل تصنيف بشكل صحيح، بينما توضّح القيم غير البارزة عدد المرات التي صنّف فيها النموذج كل تصنيف بشكل خاطئ.

التصنيف الصحيح التصنيف المتوقّع 1 التصنيف المتوقّع 2
1 ‫93% 7%
0 8% ‫92%

‫3. الحصول على الأوزان والتقاطع

احصل على الأوزان والتقاطع للنموذج:

الانحدار الخطّي

SELECT
  *
FROM
  ML.WEIGHTS(MODEL `DATASET_NAME.LIN_REG_MODEL`)
الوزن category_weights.category
feature_1 1.8263055528635743
feature_2 1.8143804404490813
feature_3 1.8601204874033492
feature_4 1.8507603439031859
feature_5 1.7899764387123640
feature_6 1.8645246630251291
feature_7 1.8698005281925356
feature_8 1.7904637080330201
feature_9 1.8036887855406274
feature_10 1.8117115890624449
INTERCEPT ‎-4.1428754911504306

الانحدار اللوجستي الثنائي

SELECT
  *
FROM
  ML.WEIGHTS(MODEL `DATASET_NAME.BIN_LOG_REG_MODEL`)
الوزن category_weights.category
feature_1 3.823533928
feature_2 3.734812819
feature_3 3.842239823
feature_4 3.785488823
feature_5 3.737386716
feature_6 3.567663961
feature_7 3.819643052
feature_8 3.734673763
feature_9 3.839301406
feature_10 3.787306994
INTERCEPT ‎-17.922169920

4. محاكاة التوقّع

الانحدار الخطّي

استخدِم حاصل الضرب النقطي لقيم الميزات مع الأوزان، وأضِف التقاطع، لإجراء التوقّع باستخدام لغة SQL العادية بدون استخدام ML.PREDICT. يقارن طلب البحث هذا التوقعات باستخدام هذه التقنية بالتوقعات التي تستخدم ML.PREDICT. لاحظ كيف تنفّذ أسطر SQL البارزة عملية الضرب النقطي لقيم الميزات الخاصة بالصف الذي يتضمّن أوزان النموذج، ثم تضيف قيمة التقاطع.

WITH
T AS (
SELECT
  label AS actual_label,
  predicted_label AS ml_predicted_label,
  [feature_1,
  feature_2,
  feature_3,
  feature_4,
  feature_5,
  feature_6,
  feature_7,
  feature_8,
  feature_9,
  feature_10] AS features,
  [1.8263055528635743,
  1.8143804404490813,
  1.8601204874033492,
  1.8507603439031859,
  1.789976438712364,
  1.8645246630251291,
  1.8698005281925356,
  1.7904637080330201,
  1.8036887855406274,
  1.8117115890624449] AS weights
FROM
  ML.PREDICT(MODEL `DATASET_NAME.LIN_REG_MODEL`,
    (
    SELECT
      *
    FROM
      `PROJECT_NAME.DATASET_NAME.LIN_REG_TRAINING_SET`))
WHERE
  holdback),
P AS (
SELECT
  actual_label,
  ml_predicted_label,
  (
   SELECT
    SUM(element1 * element2) - 4.1428754911504306
  FROM
    T.features element1
  WITH
  OFFSET
    pos
  JOIN
    T.weights element2
  WITH
  OFFSET
    pos
  USING
    (pos) ) sql_predicted_label,
  features,
  weights
FROM
  T)
SELECT
  actual_label,
  ml_predicted_label,
  sql_predicted_label,
  ABS(ml_predicted_label - sql_predicted_label) < 0.00000000001 AS diff_is_negligible
FROM
  P

الانحدار اللوجستي الثنائي

بالنسبة إلى الانحدار اللوجستي الثنائي، فإنّ أسلوب محاكاة التوقعات يشبه إلى حد كبير الانحدار الخطي، مع إضافة تطبيق دالة سيغميد في الخطوة الأخيرة مع الحد المطلوب.

استخدِم حاصل الضرب النقطي لقيم الميزات مع الأوزان، وأضِف التقاطع، لإجراء التوقّع باستخدام لغة SQL العادية بدون استخدام ML.PREDICT. بعد ذلك، استخدِم الدالة السينية مع حدّ 0.5 على النتيجة لتوقّع إما 0 أو 1. يقارن طلب البحث هذا التوقّعات التي تستخدم هذه التقنية بتلك التي تستخدم ML.PREDICT.

WITH
T AS (
SELECT
  label AS actual_label,
  predicted_label AS ml_predicted_label,
  [feature_1,
  feature_2,
  feature_3,
  feature_4,
  feature_5,
  feature_6,
  feature_7,
  feature_8,
  feature_9,
  feature_10] AS features,
  [3.8235339279050287,
  3.7348128191185244,
  3.8422398227859471,
  3.7854888232502479,
  3.7373867156553713,
  3.5676639605351026,
  3.8196430517007811,
  3.7346737628343032,
  3.8393014063170749,
  3.7873069939244743] AS weights
FROM
  ML.PREDICT(MODEL `DATASET_NAME.BIN_LOG_REG_MODEL`,
    (
    SELECT
      *
    FROM
      `PROJECT_NAME.DATASET_NAME.BIN_LOG_REG_TRAINING_SET`))
WHERE
  holdback),
P AS (
SELECT
  actual_label,
  ml_predicted_label,
  (
   SELECT
    IF((1 / (1 + EXP(-(SUM(element1 * element2) -17.922169920432161)))) < 0.5, 0, 1)
  FROM
    T.features element1
  WITH
  OFFSET
    pos
  JOIN
    T.weights element2
  WITH
  OFFSET
    pos
  USING
    (pos) ) sql_predicted_label,
  features,
  weights
FROM
  T)
SELECT
  actual_label,
  ml_predicted_label,
  sql_predicted_label,
  ml_predicted_label = sql_predicted_label AS simulation_is_accurate
FROM
  P

يعرض قسم رمز SQL المكتوب بخط غليظ في الاستعلام أعلاه عملية الضرب النقطي لقيم الميزات لكل صف مع أوزان النموذج، ويضيف التقاطع للحصول على توقع الانحدار الخطي:

IF((1 / (1 + EXP(-(SUM(element1 * element2) -17.922169920432161)))) < 0.5, 0, 1)

بعد ذلك، يتم تطبيق دالة سيغمويد Y = 1 / (1+e^-z) على حاصل الضرب النقطي والتقاطع، باستخدام SQL العادية:

IF((1 / (1 + EXP(-(SUM(element1 * element2) -17.922169920432161)))) < 0.5, 0, 1)

أخيرًا، تتم مقارنة نتيجة الدالة السينية بقيمة الحدّ البالغة 0.5 للوصول إلى التوقّع الثنائي للانحدار اللوجستي، أي 0 إذا كانت النتيجة أقل من 0.5، أو 1 إذا لم تكن كذلك. يُرجى العِلم أنّه يمكنك استخدام أي قيمة حدّية بين 0 و1.

IF((1 / (1 + EXP(-(SUM(element1 * element2) -17.922169920432161)))) < 0.5, 0, 1)

يمكن أيضًا توسيع نطاق هذه التقنية ليشمل الانحدار اللوجستي المتعدد الفئات. في هذه الحالة، ستكون أوزان النموذج مصفوفة nxn بدلاً من متجه، وستكون الأوزان متجهة بدلاً من كمية قياسية. عليك ضرب الخط المتجه لقيم الميزات في مصفوفة الأوزان وإضافة الخط المتجه للتقاطع. سيتضمّن المتّجه الناتج نتيجة لكل تصنيف، ويمكنك اختيار التصنيف الذي يحقّق أعلى نتيجة لتوقّعك. إذا أردت عرض مصفوفة احتمالية، عليك تطبيق دالّة إسية على كل عنصر من عناصر المصفوفة.

5- مقارنة النتائج

الانحدار الخطّي

نتائج العيّنة متطابقة تقريبًا، باستثناء خطأ بسيط في التقريب.

actual_label ml_predicted_label sql_predicted_label diff_is_negligible
6 5.2062349420751834 5.2062349420751826 صحيح
0 0.40318472770048075 0.403184727700479 صحيح
3 3.0703766078249597 3.0703766078249597 صحيح
7 7.0588171538562 7.0588171538562 صحيح
6 6.7802375930646 6.7802375930646 صحيح
6 5.1088569571339368 5.1088569571339377 صحيح
4 4.051839078116874 4.051839078116874 صحيح
4 5.1810254680219243 5.1810254680219234 صحيح
6 6.1440349466401223 6.1440349466401205 صحيح
1 2.0842399472783519 2.0842399472783519 صحيح
2 2.1911209811886847 2.1911209811886838 صحيح
3 3.0236086790006622 3.0236086790006613 صحيح
2 2.573083132964213 2.5730831329642125 صحيح
7 5.68662973136732 5.6866297313673186 صحيح
9 8.1860026312677938 8.1860026312677938 صحيح

الانحدار اللوجستي الثنائي

تطابقت تمامًا مقارنة الاستدلال المحاكى مع النتائج الفعلية لـ ML.PREDICT، ولم يحدث أي تناقض في مجموعة البيانات المحجوزة التي تضم 10 آلاف صف. هناك بعض الصفوف التي لا تتفق فيها كل من ML.PREDICT والاستدلال المحاكى مع الوسم الفعلي، وهذا أمر متوقّع لأنّ دقة النموذج تبلغ %93 تقريبًا، وهناك قيم صغيرة ولكنها غير صفرية في الخلايا غير القطرية لمصفوفة نجاح التوقعات.

actual_label ml_predicted_label sql_predicted_label simulation_is_accurate
0 1 1 صحيح
0 0 0 صحيح
0 0 0 صحيح
0 0 0 صحيح
0 0 0 صحيح
0 0 0 صحيح
0 0 0 صحيح
0 0 0 صحيح
0 0 0 صحيح
0 0 0 صحيح
0 1 1 صحيح
0 0 0 صحيح

إنشاء قائمة تفعيل شرائح الجمهور باستخدام تعلُّم الآلة

من حالات الاستخدام الشائعة إنشاء نموذج انحدار لوجستي ثنائي مع الحفاظ على الخصوصية التفاضلية للتنبؤ بالإحالات الناجحة، ثم تطبيق الاستدلال على هذا النموذج أثناء إنشاء قائمة مستخدمين. لنفترض أنّ نموذج الانحدار اللوجستي الثنائي الذي تم إنشاؤه في المثال أعلاه يضع نماذج للإحالات الناجحة، وأنّ كل صف في مجموعتَي التدريب والتقييم يمثّل مستخدمًا مختلفًا.

يوضّح طلب البحث التالي كيفية إنشاء قائمة مستخدمين تتضمّن المستخدمين الذين يتوقّع النموذج أن يحقّقوا إحالات ناجحة:

WITH
T AS (
SELECT
  *,
  label AS actual_label,
  [feature_1,
  feature_2,
  feature_3,
  feature_4,
  feature_5,
  feature_6,
  feature_7,
  feature_8,
  feature_9,
  feature_10] AS features,
  [3.8235339279050287,
  3.7348128191185244,
  3.8422398227859471,
  3.7854888232502479,
  3.7373867156553713,
  3.5676639605351026,
  3.8196430517007811,
  3.7346737628343032,
  3.8393014063170749,
  3.7873069939244743] AS weights
FROM
  `PROJECT_NAME.DATASET_NAME.BIN_LOG_REG_TRAINING_SET`
WHERE
  holdback),
P AS (
SELECT
  *,
  (
  SELECT
  IF
    ((1 / (1 + EXP(-(SUM(element1 * element2) -17.922169920432161)))) < 0.5, 0, 1)
  FROM
    T.features element1
  WITH
  OFFSET
    pos
  JOIN
    T.weights element2
  WITH
  OFFSET
    pos
  USING
    (pos) ) predicted_label,
  features,
  weights
FROM
  T),
SELECT
  user_id
FROM
  P
WHERE
  predicted_label = 1;