menu
arrow_back

Kaufverhalten von Websitebesuchern mit einem Klassifizierungsmodell in BQML vorhersagen

Kaufverhalten von Websitebesuchern mit einem Klassifizierungsmodell in BQML vorhersagen

Hours Minutes 7 Credits

GSP229

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. BigQuery basiert auf SQL und die Abrechnung erfolgt nach dem "Pay as you go"-Modell. Mithilfe von BigQuery können Sie sich auf die Datenanalyse konzentrieren, um wichtige Informationen zu erhalten.

BigQuery Machine Learning (BQML, Betaversion) ist eine neue Funktion in BigQuery, dank derer Datenanalysten mit minimalem Programmieraufwand Modelle für maschinelles Lernen (ML) erstellen, trainieren, bewerten und für Vorhersagen verwenden können.

In BigQuery ist ein neues E-Commerce-Dataset verfügbar, das Millionen von Google Analytics-Datensätzen für den Google Merchandise Store enthält. In diesem Lab führen Sie mithilfe dieser Daten einige typische Abfragen aus, die Unternehmen Aufschluss über das Kaufverhalten ihrer Kunden geben.

Ziele

Aufgaben in diesem Lab:

  • Mit BigQuery nach öffentlichen Datasets suchen

  • Das E-Commerce-Dataset erkunden und abfragen

  • Ein Trainings- und Bewertungs-Dataset zur Batchvorhersage erstellen

  • In BQML ein Klassifizierungsmodell (logistisches Regressionsmodell) erstellen

  • Die Leistung Ihres ML-Modells bewerten

  • Die Wahrscheinlichkeit, mit der ein Besucher einen Kauf tätigt, vorhersagen und einstufen

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

Create a new dataset

Schritt durchführen

/ 20

Create a model and specify model options

Schritt durchführen

/ 20

Evaluate classification model performance

Schritt durchführen

/ 15

Improve model performance with Feature Engineering(Create second model)

Schritt durchführen

/ 15

Improve model performance with Feature Engineering(Better predictive power)

Schritt durchführen

/ 15

Predict which new visitors will come back and purchase

Schritt durchführen

/ 15