GSP246

總覽

BigQuery 是 Google 提供的全代管數據分析資料庫，不但免人工管理，而且價格低廉。您可以使用 BigQuery 查詢 TB 規模的資料，不必管理基礎架構，也不需要資料庫管理員。

BigQuery ML 讓資料分析師只需編寫少量程式碼，就能建立、訓練、評估機器學習模型，並將模型用於預測結果。

在本實驗室中，您將使用 BigQuery 公開資料集，運用當中數百萬筆的紐約市黃色計程車載客資料，在 BigQuery 建立機器學習模型。接著您將輸入指令，使用模型來預測計程車車資，並評估模型的預測成效。

實驗室內容

本實驗室將說明如何執行下列工作：

• 使用 BigQuery 尋找公開資料集
• 查詢及探索公開計程車資料集
• 建立訓練和評估資料集，供批次預測使用
• 在 BigQuery ML 建立預測 (線性迴歸) 模型
• 評估機器學習模型的成效

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的臨時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

   {{{user_0.username | "Username"}}}

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

   {{{user_0.password | "Password"}}}

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

開啟 BigQuery 控制台

1. 在 Google Cloud 控制台中，依序選取「導覽選單」>「BigQuery」。

接著，畫面中會顯示「歡迎使用 Cloud 控制台中的 BigQuery」訊息方塊，當中會列出快速入門導覽課程指南的連結和版本資訊。

2. 點選「完成」。

BigQuery 控制台會隨即開啟。

工作 1：探索紐約市計程車資料

問：2015 年黃色計程車每月載客次數是多少？

1. 複製下列 SQL 程式碼，並貼入查詢編輯器：

#standardSQL SELECT TIMESTAMP_TRUNC(pickup_datetime, MONTH) month, COUNT(*) trips FROM `bigquery-public-data.new_york.tlc_yellow_trips_2015` GROUP BY 1 ORDER BY 1

2. 然後點選「執行」。

畫面上會顯示下列結果：

如資料表所示，2015 年紐約市計程車每月載客次數都超過 1,000 萬次，非常驚人！

測試已完成的工作

點選「Check my progress」確認工作已完成。如果順利完成，就會看見評估分數。

計算 2015 年黃色計程車每月載客次數

問：2015 年黃色計程車載客的平均車速是多少？

• 將先前的查詢換成下列內容，然後點選「執行」：

#standardSQL SELECT EXTRACT(HOUR FROM pickup_datetime) hour, ROUND(AVG(trip_distance / TIMESTAMP_DIFF(dropoff_datetime, pickup_datetime, SECOND))*3600, 1) speed FROM `bigquery-public-data.new_york.tlc_yellow_trips_2015` WHERE trip_distance > 0 AND fare_amount/trip_distance BETWEEN 2 AND 10 AND dropoff_datetime > pickup_datetime GROUP BY 1 ORDER BY 1

畫面上會顯示下列結果：

白天的平均車速約為每小時 11 至 12 英里，但凌晨 5 點的平均車速為每小時 21 英里，幾乎是白天的兩倍。直觀來看，這很合理，因為凌晨 5 點的車流量可能較少。

測試已完成的工作

點選「Check my progress」確認工作已完成。如果順利完成，就會看見評估分數。

計算 2015 年黃色計程車載客的平均車速

工作 2：確定目標

接下來，您將使用歷來的載客資料集和資料，在 BigQuery 建立機器學習模型，預測紐約市計程車車資。對於乘客和計程車行來說，事先預測車資有助於規劃行程。

工作 3：選取特徵並建立訓練資料集

「紐約市黃色計程車」資料集是該市提供的公開資料集，已載入 BigQuery 供使用者運用。

請瀏覽完整欄位清單，然後預覽資料集，找出有參考價值的特徵，讓機器學習模型能理解歷來載客和車資資料之間的關係。

您的團隊決定將下列欄位做為車資預測模型的輸入資料，看看能否取得理想結果：

• 通行費
• 車資
• 時段
• 上車地址
• 下車地址
• 乘客人數

1. 將查詢換成下列內容：

#standardSQL WITH params AS ( SELECT 1 AS TRAIN, 2 AS EVAL ), daynames AS (SELECT ['Sun', 'Mon', 'Tues', 'Wed', 'Thurs', 'Fri', 'Sat'] AS daysofweek), taxitrips AS ( SELECT (tolls_amount + fare_amount) AS total_fare, daysofweek[ORDINAL(EXTRACT(DAYOFWEEK FROM pickup_datetime))] AS dayofweek, EXTRACT(HOUR FROM pickup_datetime) AS hourofday, pickup_longitude AS pickuplon, pickup_latitude AS pickuplat, dropoff_longitude AS dropofflon, dropoff_latitude AS dropofflat, passenger_count AS passengers FROM `nyc-tlc.yellow.trips`, daynames, params WHERE trip_distance > 0 AND fare_amount > 0 AND MOD(ABS(FARM_FINGERPRINT(CAST(pickup_datetime AS STRING))),1000) = params.TRAIN ) SELECT * FROM taxitrips

請注意以上查詢中的幾個重點：

• 查詢的主要部分位於底部 (SELECT * from taxitrips)。
• taxitrips 會大量擷取 NYC 資料集內容，而 SELECT 包含用於訓練的特徵和標籤。
• WHERE 會移除您不想用於訓練的資料。
• 同時 WHERE 也會納入取樣子句，只擷取第 1/1000 的資料。
• 查詢定義了一個名為 TRAIN 的變數，讓您能快速建構 EVAL 獨立資料集。

2. 現在您充分瞭解這個查詢的目的了，請點選「執行」。

畫面上會顯示類似下方的結果：

哪項元素是標籤 (正確答案)？

total_fare 是標籤 (預測目標)。這個欄位是根據 tolls_amount 和 fare_amount 建立。小費金額取決於乘客意願，因此可忽略不計，不提供給模型。

測試已完成的工作

點選「Check my progress」確認工作已完成。如果順利完成，就會看見評估分數。

將特定欄位做為車資預測模型的輸入資料，看看能否取得理想結果

工作 4：建立 BigQuery 資料集來儲存模型

在本節中，您將建立新的 BigQuery 資料表來儲存機器學習模型。

1. 在左側的「Explorer」窗格中，依序點選專案 ID 旁的「查看動作」圖示和「建立資料集」。

2. 在「建立資料集」對話方塊中，輸入下列資訊：

• 在「資料集 ID」部分，輸入 taxi。
• 在「位置類型」部分，選取「美國 (多個美國地區)」。
• 其他設定均保留預設值。

3. 接著點選「建立資料集」。

測試已完成的工作

點選「Check my progress」確認工作已完成。如果順利完成，就會看見評估分數。

建立 BigQuery 資料集來儲存模型

工作 5：選取 BigQuery ML 模型類型，並指定選項

您已選取初始特徵，現在可以在 BigQuery 建立第一個機器學習模型。

有數種模型可選擇：

• 預測模型：使用線性迴歸 (linear_reg) 預測數值，例如下個月的銷售量。
• 二元/多類別分類模型：使用邏輯迴歸 (logistic_reg) 進行分類，例如將電子郵件分為垃圾郵件或非垃圾郵件。
• k-means 分群模型：想透過非監督式學習探索內容時，就適合使用這個模型。

注意：機器學習技術還能用於其他多種模型，例如類神經網路和決策樹，TensorFlow 等程式庫可提供這些模型。目前 BQML 支援以上所列的三種模型，詳情請參閱 BQML 藍圖。

1. 輸入下列查詢來建立模型，並指定模型選項：

CREATE or REPLACE MODEL taxi.taxifare_model OPTIONS (model_type='linear_reg', labels=['total_fare']) AS WITH params AS ( SELECT 1 AS TRAIN, 2 AS EVAL ), daynames AS (SELECT ['Sun', 'Mon', 'Tues', 'Wed', 'Thurs', 'Fri', 'Sat'] AS daysofweek), taxitrips AS ( SELECT (tolls_amount + fare_amount) AS total_fare, daysofweek[ORDINAL(EXTRACT(DAYOFWEEK FROM pickup_datetime))] AS dayofweek, EXTRACT(HOUR FROM pickup_datetime) AS hourofday, pickup_longitude AS pickuplon, pickup_latitude AS pickuplat, dropoff_longitude AS dropofflon, dropoff_latitude AS dropofflat, passenger_count AS passengers FROM `nyc-tlc.yellow.trips`, daynames, params WHERE trip_distance > 0 AND fare_amount > 0 AND MOD(ABS(FARM_FINGERPRINT(CAST(pickup_datetime AS STRING))),1000) = params.TRAIN ) SELECT * FROM taxitrips

2. 接著點選「執行」來開始訓練模型。

3. 等模型訓練完成 (5 至 10 分鐘)。

模型訓練完成後，畫面會顯示下列訊息：「This statement will create a new model named qwiklabs-gcp-03-xxxxxxxx:taxi.taxifare_model」，這表示模型訓練成功。

4. 查看計程車資料集，確認已顯示「taxifare_model」。

接下來，您將使用新資料來評估模型成效。

測試已完成的工作

點選「Check my progress」確認工作已完成。如果順利完成，就會看見評估分數。

建立計程車車資模型

工作 6：評估分類模型的成效

選取成效條件

請使用均方根誤差 (RMSE) 等損失指標來評估線性迴歸模型的成效，並持續訓練及改進模型，直到得出最低 RMSE 為止。

在 BQML 評估訓練過的機器學習模型時，mean_squared_error 是可查詢的欄位，加入 SQRT() 即可得出 RMSE。

現在模型已訓練完成，您可以使用 ML.EVALUATE 執行下列查詢來評估模型成效。

1. 複製下列指令並貼入查詢編輯器，然後點選「執行」：

#standardSQL SELECT SQRT(mean_squared_error) AS rmse FROM ML.EVALUATE(MODEL taxi.taxifare_model, ( WITH params AS ( SELECT 1 AS TRAIN, 2 AS EVAL ), daynames AS (SELECT ['Sun', 'Mon', 'Tues', 'Wed', 'Thurs', 'Fri', 'Sat'] AS daysofweek), taxitrips AS ( SELECT (tolls_amount + fare_amount) AS total_fare, daysofweek[ORDINAL(EXTRACT(DAYOFWEEK FROM pickup_datetime))] AS dayofweek, EXTRACT(HOUR FROM pickup_datetime) AS hourofday, pickup_longitude AS pickuplon, pickup_latitude AS pickuplat, dropoff_longitude AS dropofflon, dropoff_latitude AS dropofflat, passenger_count AS passengers FROM `nyc-tlc.yellow.trips`, daynames, params WHERE trip_distance > 0 AND fare_amount > 0 AND MOD(ABS(FARM_FINGERPRINT(CAST(pickup_datetime AS STRING))),1000) = params.EVAL ) SELECT * FROM taxitrips ))

現在請根據不同的計程車載客資料組合，使用 params.EVAL 篩選條件來評估模型的成效。

2. 在模型開始運作後，檢查輸出結果 (您模型的 RMSE 值將略有不同)。

Row	rmse
1	9.477056435999074

評估模型後，您得到的 RMSE 為 9.47。得到 RMSE 值 9.47 後，可比照 total_fare 的單位記為 +-$9.47 美元來進行評估。

如果將模型用於正式環境，這項損失指標值是可接受的嗎？這完全取決於您在開始訓練模型前設定的基準條件。設定基準，就是針對模型成效和準確率，確立可接受的最低門檻。

測試已完成的工作

點選「Check my progress」確認工作已完成。如果順利完成，就會看見評估分數。

評估分類模型的成效

工作 7：預測計程車車資

接下來請編寫查詢，使用新建立的模型進行預測。

• 複製下列指令並貼入查詢編輯器，然後點選「執行」：

#standardSQL SELECT * FROM ml.PREDICT(MODEL `taxi.taxifare_model`, ( WITH params AS ( SELECT 1 AS TRAIN, 2 AS EVAL ), daynames AS (SELECT ['Sun', 'Mon', 'Tues', 'Wed', 'Thurs', 'Fri', 'Sat'] AS daysofweek), taxitrips AS ( SELECT (tolls_amount + fare_amount) AS total_fare, daysofweek[ORDINAL(EXTRACT(DAYOFWEEK FROM pickup_datetime))] AS dayofweek, EXTRACT(HOUR FROM pickup_datetime) AS hourofday, pickup_longitude AS pickuplon, pickup_latitude AS pickuplat, dropoff_longitude AS dropofflon, dropoff_latitude AS dropofflat, passenger_count AS passengers FROM `nyc-tlc.yellow.trips`, daynames, params WHERE trip_distance > 0 AND fare_amount > 0 AND MOD(ABS(FARM_FINGERPRINT(CAST(pickup_datetime AS STRING))),1000) = params.EVAL ) SELECT * FROM taxitrips ));

您會看見模型預測的計程車車資，以及這些載客資料的實際車資和其他特徵。畫面上會顯示類似下方的結果：

測試已完成的工作

點選「Check my progress」確認工作已完成。如果順利完成，就會看見評估分數。

預測計程車車資

工作 8：運用特徵工程提升模型成效

建構機器學習模型是不斷重複的程序。評估初始模型的成效後，通常需要回頭修剪特徵和資料列，看看模型是否因此改善。

篩選訓練資料集

現在請查看計程車車資的一般統計資料。

1. 複製下列指令並貼入查詢編輯器，然後點選「執行」：

SELECT COUNT(fare_amount) AS num_fares, MIN(fare_amount) AS low_fare, MAX(fare_amount) AS high_fare, AVG(fare_amount) AS avg_fare, STDDEV(fare_amount) AS stddev FROM `nyc-tlc.yellow.trips` # 1,108,779,463 fares

畫面上會顯示類似下方的輸出內容：

如您所見，資料集有一些異常的離群值，例如負車資或超過 $50,000 美元的車資。讓我們運用 BigQuery ML 相關專業知識，避免模型從這些離群值學習。

限制資料範圍，僅顯示介於 $$6 美元至 $$200 美元的車資資料。

2. 複製下列指令並貼入查詢編輯器，然後點選「執行」：

SELECT COUNT(fare_amount) AS num_fares, MIN(fare_amount) AS low_fare, MAX(fare_amount) AS high_fare, AVG(fare_amount) AS avg_fare, STDDEV(fare_amount) AS stddev FROM `nyc-tlc.yellow.trips` WHERE trip_distance > 0 AND fare_amount BETWEEN 6 and 200 # 843,834,902 fares

畫面上會顯示類似下方的輸出內容：

這樣合理多了。探索資料時，限制行車距離才能確實聚焦於紐約市的情形。

3. 複製下列指令並貼入查詢編輯器，然後點選「執行」：

SELECT COUNT(fare_amount) AS num_fares, MIN(fare_amount) AS low_fare, MAX(fare_amount) AS high_fare, AVG(fare_amount) AS avg_fare, STDDEV(fare_amount) AS stddev FROM `nyc-tlc.yellow.trips` WHERE trip_distance > 0 AND fare_amount BETWEEN 6 and 200 AND pickup_longitude > -75 #limiting of the distance the taxis travel out AND pickup_longitude < -73 AND dropoff_longitude > -75 AND dropoff_longitude < -73 AND pickup_latitude > 40 AND pickup_latitude < 42 AND dropoff_latitude > 40 AND dropoff_latitude < 42 # 827,365,869 fares

畫面上會顯示類似下方的輸出內容：

不過訓練資料集仍相當龐大，供新模型學習的載客資料超過 8 億筆。請新增下列限制並重新訓練模型，看看模型成效如何。

重新訓練模型

將新的線性迴歸模型命名為 taxi.taxifare_model_2，然後重新訓練模型來預測總車資。您會發現，這次的指令同時加入幾項特徵，來計算從上車到下車的歐幾里得距離 (直線距離)。

• 複製下列指令並貼入查詢編輯器，然後點選「執行」：

CREATE OR REPLACE MODEL taxi.taxifare_model_2 OPTIONS (model_type='linear_reg', labels=['total_fare']) AS WITH params AS ( SELECT 1 AS TRAIN, 2 AS EVAL ), daynames AS (SELECT ['Sun', 'Mon', 'Tues', 'Wed', 'Thurs', 'Fri', 'Sat'] AS daysofweek), taxitrips AS ( SELECT (tolls_amount + fare_amount) AS total_fare, daysofweek[ORDINAL(EXTRACT(DAYOFWEEK FROM pickup_datetime))] AS dayofweek, EXTRACT(HOUR FROM pickup_datetime) AS hourofday, SQRT(POW((pickup_longitude - dropoff_longitude),2) + POW(( pickup_latitude - dropoff_latitude), 2)) as dist, #Euclidean distance between pickup and drop off SQRT(POW((pickup_longitude - dropoff_longitude),2)) as longitude, #Euclidean distance between pickup and drop off in longitude SQRT(POW((pickup_latitude - dropoff_latitude), 2)) as latitude, #Euclidean distance between pickup and drop off in latitude passenger_count AS passengers FROM `nyc-tlc.yellow.trips`, daynames, params WHERE trip_distance > 0 AND fare_amount BETWEEN 6 and 200 AND pickup_longitude > -75 #limiting of the distance the taxis travel out AND pickup_longitude < -73 AND dropoff_longitude > -75 AND dropoff_longitude < -73 AND pickup_latitude > 40 AND pickup_latitude < 42 AND dropoff_latitude > 40 AND dropoff_latitude < 42 AND MOD(ABS(FARM_FINGERPRINT(CAST(pickup_datetime AS STRING))),1000) = params.TRAIN ) SELECT * FROM taxitrips

模型可能需要幾分鐘才能重新訓練完成。在控制台中收到下列訊息後，即可前往下一個步驟：

評估新模型的成效

新的線性迴歸模型已經過最佳化調整，現在請使用資料集進行評估，看看模型成效如何。

• 複製下列指令並貼入查詢編輯器，然後點選「執行」：

SELECT SQRT(mean_squared_error) AS rmse FROM ML.EVALUATE(MODEL taxi.taxifare_model_2, ( WITH params AS ( SELECT 1 AS TRAIN, 2 AS EVAL ), daynames AS (SELECT ['Sun', 'Mon', 'Tues', 'Wed', 'Thurs', 'Fri', 'Sat'] AS daysofweek), taxitrips AS ( SELECT (tolls_amount + fare_amount) AS total_fare, daysofweek[ORDINAL(EXTRACT(DAYOFWEEK FROM pickup_datetime))] AS dayofweek, EXTRACT(HOUR FROM pickup_datetime) AS hourofday, SQRT(POW((pickup_longitude - dropoff_longitude),2) + POW(( pickup_latitude - dropoff_latitude), 2)) as dist, #Euclidean distance between pickup and drop off SQRT(POW((pickup_longitude - dropoff_longitude),2)) as longitude, #Euclidean distance between pickup and drop off in longitude SQRT(POW((pickup_latitude - dropoff_latitude), 2)) as latitude, #Euclidean distance between pickup and drop off in latitude passenger_count AS passengers FROM `nyc-tlc.yellow.trips`, daynames, params WHERE trip_distance > 0 AND fare_amount BETWEEN 6 and 200 AND pickup_longitude > -75 #limiting of the distance the taxis travel out AND pickup_longitude < -73 AND dropoff_longitude > -75 AND dropoff_longitude < -73 AND pickup_latitude > 40 AND pickup_latitude < 42 AND dropoff_latitude > 40 AND dropoff_latitude < 42 AND MOD(ABS(FARM_FINGERPRINT(CAST(pickup_datetime AS STRING))),1000) = params.EVAL ) SELECT * FROM taxitrips ))

畫面上會顯示類似下方的輸出內容：

如您所見，RMSE 值大幅降至 +-$$5.12 美元，遠優於第一個模型的 +-$$9.47 美元。

RMSE 為預測誤差的標準差，由此可得知，重新訓練後的線性迴歸模型準確率明顯提高。

工作 9：隨堂測驗

下列選擇題可以加深您對本實驗室概念的理解，盡力回答即可。

工作 10：其他可探索的資料集

如想瞭解使用其他資料集建模的情形，比如預測芝加哥計程車車資，可以使用 bigquery-public-data 專案。

1. 依序點選「+新增」>「依據名稱為專案加上星號」>「Enter Project Name」，然後輸入名稱 bigquery-public-data，即可開啟 bigquery-public-data 資料集。

2. 點選「加上星號」。

bigquery-public-data 專案會列在「Explorer」專區。

恭喜！

您已成功在 BigQuery 建構機器學習模型，預測紐約市計程車車資。

後續行動/瞭解詳情

• 如要進一步瞭解 BiqQuery ML，請參閱 BigQuery ML 說明文件。
• 如要進一步瞭解如何在 Vertex AI 管理 BigQuery ML 模型，請參閱將 BigQuery ML 模型註冊至 Model Registry 的說明文件。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2024 年 2 月 7 日

實驗室上次測試日期：2023 年 8 月 24 日

Copyright 2025 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。