Bigquery MLを試してみた【株式会社ライトコード】

はじめに

今回は BigQuery ML について触れてみたいと思います！

BigQuery ML は、Googleが提供する機械学習を手軽に実行できるサービスです。

最大の特徴は、機械学習の専門知識がなくても、SQL を使うだけで複雑な機械学習プロセスを実行できる点にあります。

この記事では、公式チュートリアルに沿ってGoogle Analytics のデータを活用し、ユーザーが購入するかどうかを予測する回帰モデルを作成し、その結果を分析してみます。

データセットを作成

まず、Google Cloud コンソールで BigQuery ページに移動します。以下の手順でデータセットを作成してください。

プロジェクト名をクリック
「データセットを作成」を選択
データセット ID を入力

今回はデータセット ID を bqml_tutorial とします。

また、一般公開データセットを使用するため、リージョンはUS マルチリージョン を選択してください。

回帰モデルを作成

次に、ロジスティック回帰モデルを作成します。

ロジスティック回帰モデルは、2値分類（例: 購入するか/しないか）を行うための機械学習モデルです。特徴量（モデルに入力するデータ）を基に、目的変数（今回の場合は「購入の有無」）を予測します。

BigQuery のクエリエディタを開き、以下のクエリを入力してください。

CREATE OR REPLACE MODEL `bqml_tutorial.sample_model`

OPTIONS(model_type='logistic_reg') AS

SELECT

IF(totals.transactions IS NULL, 0, 1) AS label,

IFNULL(device.operatingSystem, "") AS os,

device.isMobile AS is_mobile,

IFNULL(geoNetwork.country, "") AS country,

IFNULL(totals.pageviews, 0) AS pageviews

FROM

`bigquery-public-data.google_analytics_sample.ga_sessions_*`

WHERE

_TABLE_SUFFIX BETWEEN '20160801' AND '20170630'

このクエリは以下のような動作をします。

CREATE OR REPLACE MODEL: 新しいモデルを作成する、または既存のモデルを上書きします。
OPTIONS(model_type='logistic_reg'): ロジスティック回帰モデルを指定しています。
IF(totals.transactions IS NULL, 0, 1) AS label: 購入があった場合は 1、それ以外は 0 としてラベルを設定します。このモデルの目的変数（ターゲット変数）です。
その他の列（os, is_mobile, country, pageviews）は特徴量としてモデルに入力されます。

特徴量について

os: ユーザーが利用しているデバイスのOS（例: Android, iOS）。
is_mobile: ユーザーがモバイルデバイスを使用しているかどうかを示すフラグ（モバイルの場合は true）。
country: ユーザーの所在地を表す国名（例: Japan, United States）。
pageviews: ユーザーがセッション中に閲覧したページ数。

これらの特徴量は、ユーザーが購入する可能性に影響を与えると考えられる要素を選択しています。関係のない特徴量を含めるとノイズとなり、モデルの精度を下げる可能性があります。また、特徴量を増やすとモデル作成に要する時間が長くなり、スキャン量も増加するため注意が必要です。

bigquery-public-data.google_analytics_sample.ga_sessions_* サンプルデータセットはテーブルサフィックスで分割されているため、期間を指定してデータを選択します。全期間を対象にするとモデルの精度検証ができないので今回は 2016年8月1日から2017年6月30日までのデータを基にモデルを作成します。

クエリのプレビュー画面では、右上にスキャン量が表示されます。今回のスキャン量は24MBで、無料枠の範囲内に収まります。BigQueryのスキャン量料金は、1TBあたり約 $6.25 です。詳細については公式ドキュメントをご参照ください。

BigQuery 料金について（公式ドキュメント）