GSP246

總覽

BigQuery 是 Google 推出的全代管數據分析資料庫，具備免維運與低成本的優勢。您可以使用這項產品查詢數 TB 的資料，完全不必管理基礎架構，也無須特別安排資料庫管理員。

透過 BigQuery ML，資料分析師只需編寫少量程式碼，就能一手包辦機器學習模型的建立、訓練、評估和預測工作。

在本實驗室中，您將運用 BigQuery 公開資料集內，數百萬筆紐約市黃色計程車的載客資料，在 BigQuery 建立機器學習模型，讓模型根據輸入內容預測車資，最後再評估模型成效並產出預測結果。

課程內容

在本實驗室中，您將瞭解如何執行下列工作：

• 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。

如何開始實驗室及登入 Google Cloud 控制台

1. 按一下「Start Lab」按鈕。如果實驗室會產生費用，請在開啟的對話方塊中選取付款方式。右側的「Lab setup and access」面板會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 此實驗室所需的臨時憑證 (使用者名稱和密碼)
   • 完成此實驗室所需的其他資訊 (如有)

   請注意，實驗室計時器位於頁面頂端附近，會顯示剩餘時間。

2. 按一下「Open Google Cloud console」。如果使用 Chrome 瀏覽器，也可以按一下滑鼠右鍵，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並排開啟分頁。

   注意：頁面顯示「選擇帳戶」對話方塊時，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 setup and access」面板找到「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 setup and access」面板找到「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. 繼續點按後續頁面：

   • 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，請按一下「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

問題：2015 年黃色計程車每個月的載客次數是多少？

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. 點選「執行」。

結果應大致如下：

如表所示，2015 年紐約市計程車每個月的載客次數都超過 1,000 萬次，規模相當可觀！

檢查工作是否已完成

點選「Check my progress」，確認工作已完成。如果成功完成，就會看見評估分數。

計算 2015 年黃色計程車每個月的載客次數

問題：2015 年黃色計程車載客的平均時速是多少？

• 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

結果應大致如下：

白天的平均時速約落在 11 到 12 英里，但到了清晨 5 點，平均時速幾乎翻倍，達到 21 英里。這點不難理解，因為清晨 5 點時的車流量通常較少。

檢查工作是否已完成

點選「Check my progress」，確認工作已完成。如果成功完成，就會看見評估分數。

計算 2015 年黃色計程車載客的平均時速

工作 2：確定目標

現在，您要在 BigQuery 建立機器學習模型，並使用歷來的載客資料集與相關數據，預測紐約市計程車的車資。出發前若能先預測車資，對乘客與計程車業者規劃行程都大有幫助。

工作 3：選取特徵並建立訓練資料集

「紐約市黃色計程車」資料集為市府提供的公開資料集，目前已在 BigQuery 開放使用。

建議您先瀏覽完整欄位清單，再預覽資料集，從中尋找實用特徵，協助機器學習模型釐清歷來載客資料與車資間的關聯。

您的團隊決定測試下列欄位，看看是否適合做為車資預測模型的輸入特徵：

• 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

上方的查詢有幾點需要注意：

• 查詢的主要邏輯寫在最下面 (SELECT * from taxitrips)。
• taxitrips 會擷取大部分的 NYC 資料集內容，SELECT 則定義了訓練特徵與標籤。
• WHERE 的作用是排除您不想用於訓練的資料。
• WHERE 也納入取樣子句，表示只會擷取千分之一的資料。
• 定義 TRAIN 變數，即可快速建構獨立的 EVAL 資料集。

2. 明白這個查詢的用途後，請點選「執行」。

畫面上會顯示類似下方的結果：

哪一個才是標籤 (正確答案)？

total_fare 為本模型的標籤，也就是要預測的目標。這個欄位是由 tolls_amount 和 fare_amount 計算而來。由於小費金額取決於乘客意願，不適合納入模型，可以直接排除。

檢查工作是否已完成

點選「Check my progress」，確認工作已完成。如果成功完成，就會看見評估分數。

測試各欄位是否適合做為車資預測模型的輸入特徵

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 資料集，用來儲存機器學習模型。

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

2. 在「建立資料集」對話方塊，輸入下列資訊：

• 在「資料集 ID」部分，輸入 taxi。
• 在「資料位置」部分，選取「US (多個美國區域)」。
• 其他設定均保留預設值。

3. 接著，點選「建立資料集」。

檢查工作是否已完成

點選「Check my progress」，確認工作已完成。如果成功完成，就會看見評估分數。

建立 BigQuery 資料集來儲存模型

工作 5：選擇 BigQuery ML 模型類型並指定選項

選定初步特徵後，現在可以開始在 BigQuery 建立第一個機器學習模型。

目前有幾種模型可供選擇：

• 預測模型：使用線性迴歸 (linear_reg) 預測數值，例如下個月的銷售額。
• 二元/多類別分類模型：使用邏輯迴歸 (logistic_reg) 判斷類別，例如郵件是否為垃圾郵件。
• k-means 分群模型：適合使用非監督式學習方法探索資料 (kmeans)。

注意：機器學習領域還有許多其他模型類型 (例如類神經網路或決策樹)，通常可透過 TensorFlow 等程式庫使用。目前 BigQuery ML 只支援上述三種類型，詳情請參閱 BigQuery ML 藍圖。

1. 輸入下列查詢，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. 點選「執行」，開始訓練模型。

3. 等待模型訓練完成，大約需要 5 至 10 分鐘。

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

4. 查看 taxi 資料集，確認當中是否已出現「taxifare_model」。

接下來，您將使用模型從未見過的新資料評估成效。

檢查工作是否已完成

點選「Check my progress」，確認工作已完成。如果成功完成，就會看見評估分數。

建立計程車資模型

工作 6：評估分類模型的成效

選取評估標準

使用線性迴歸模型時，我們會建議搭配均方根誤差 (RMSE) 等損失指標。您需要持續訓練並改良模型，直到 RMSE 降至最低為止。

在 BigQuery ML 評估訓練好的機器學習模型時，可以查詢 mean_squared_error 欄位，並套用 SQRT() 函式來計算 RMSE。

既然模型已訓練完成，現在就能執行下列 ML.EVALUATE 查詢，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 ))

接著，您將使用 params.EVAL 篩選出另一組計程車載客資料，並據此評估模型。

2. 等待模型執行完成，再查看結果 (RMSE 值可能會有些微差異)。

Row	rmse
1	9.477056435999074

評估完模型後，得出的 RMSE 為 9.47。RMSE 是均方誤差的平方根，單位與 total_fare 相同，因此 9.47 的誤差值相當於 ±$9.47 美元。

這項損失指標是否達到讓模型正式上線的標準，完全取決於您在訓練開始前設定的評估基準。建立基準是指為模型的成效與準確度，訂出一個可接受的最低門檻。

檢查工作是否已完成

點選「Check my progress」，確認工作已完成。如果成功完成，就會看見評估分數。

評估分類模型的成效

工作 7：預測計程車資

接著，請編寫查詢來使用新模型預測。

• 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 ));

現在，模型預測的計程車資會與實際車資及其他特徵並列顯示，方便您比對。畫面上會顯示類似下方的結果：

檢查工作是否已完成

點選「Check my progress」，確認工作已完成。如果成功完成，就會看見評估分數。

預測計程車資

工作 8：運用特徵工程改良模型

建構機器學習模型需要經過不斷反覆調整。評估完初始模型的成效後，我們通常會回頭刪減特徵與資料列，看看是否能讓模型的表現更好。

篩選訓練資料集

接下來，您要查看計程車資的常用統計資料。

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

輸出內容應大致如下：

這裡可以看到，資料集中有一些奇怪的離群值，例如負數車資或超過 $5 萬美元的金額。因此，我們必須運用專業知識處理資料，避免這些異常離群值誤導模型。

請限制資料範圍，只顯示介於 $6 美元至 $200 美元間的車資。

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

輸出內容應大致如下：

這樣看起來好一點了。現在不妨順便限制行駛距離，讓模型聚焦於紐約市的載客資料。

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

輸出內容應大致如下：

即使經過篩選，目前仍有超過 8 億筆載客資料可供新模型學習。接下來，請根據這些新的限制重新訓練模型，觀察模型表現如何。

重新訓練模型

現在要建立新的線性迴歸模型 taxi.taxifare_model_2，並重新訓練模型來預測總車資。您會發現，這次的指令也加入了一些計算得出的特徵，例如上下車地點間的歐幾里得距離 (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。在控制台看到下列訊息後，即可繼續下一步：

評估新模型的成效

線性迴歸模型調整完成後，請使用資料集評估模型成效。

• 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 ))

輸出內容應大致如下：

從結果來看，RMSE 下降至 ±$5.12 美元，比起第一個模型的 ±$9.47 美元，表現有顯著進步。

RMSE 代表預測誤差的標準差，由此可知，重新訓練後的線性迴歸模型確實大幅提升模型準確度。

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，請盡力作答。

工作 10：探索其他資料集

如要嘗試用其他資料集建模，例如預測芝加哥的計程車資，可以使用 bigquery-public-data 專案。

1. 前往「Explorer」面板，依序點選「+ 新增資料」>「依據名稱為專案加上星號」，然後輸入專案名稱 bigquery-public-data，開啟該資料集。

2. 點選「加上星號」。

「Explorer」部分會隨即列出 bigquery-public-data 專案。

恭喜！

您已成功在 BigQuery 建構機器學習模型，可用來預測紐約市的計程車資。

後續行動/瞭解詳情

• 參閱 BigQuery ML 說明文件，進一步瞭解 BigQuery ML。
• 參閱說明文件的「將 BigQuery ML 模型註冊至 Model Registry」一節，進一步瞭解如何在 Agent Platform 管理 BigQuery ML 模型。

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：2026 年 5 月 18 日

實驗室上次測試日期：2026 年 1 月 7 日

Copyright 2026 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。