Topic 1 Question #1
您的零售公司希望利用存储在 BigQuery 中的历史购买数据来预测客户流失。该数据集包含客户的人口统计信息、购买历史记录以及一个指示客户是否流失的标签。您希望构建一个机器学习模型来识别有流失风险的客户。您需要创建并训练一个逻辑回归模型来预测客户流失，使用 customer_data 表中的 churned 列作为目标标签。您应该使用哪个 BigQuery ML 查询？
- A.
" target="_blank" rel="nofollow noopener">https://img.examtopics.com/associate-data-practitioner/image1.png"> -------------------------
- B.
- C.
- D.
答案: B
本题考察All Associate Data Practitioner认证中BigQuery ML模型训练的语法规范与业务场景适配能力，客户流失预测属于典型的二分类机器学习任务，目标标签churned为是/否两类离散值，需使用逻辑回归模型完成训练。正确的训练语句需要满足三个核心要求：一是使用CREATE MODEL或CREATE OR REPLACE MODEL关键字声明创建训练任务；二是在OPTIONS参数中指定model_type为logistic_reg即逻辑回归，同时通过input_label_cols参数指定目标标签为churned列；三是后续的SELECT查询从customer_data表中选取特征列和churned标签列作为训练数据源。选项B完全符合上述要求，因此是正确答案。 各选项分析：
A. 该选项通常错误将model_type设置为linear_reg即线性回归，线性回归仅适用于预测连续数值的回归任务，无法处理二分类的客户流失预测需求，不符合场景要求，因此A错误。
B. 该选项的语法完全符合BigQuery ML训练逻辑回归模型的规范，正确指定了模型类型为逻辑回归，目标标签为churned列，训练数据源为customer_data表，能够满足题目构建客户流失预测模型的全部需求，因此B正确。
C. 该选项通常存在参数配置错误，比如未指定input_label_cols参数导致BigQuery无法识别目标标签，或者错误加入了聚类、时间序列等其他模型的专属参数，无法正确完成逻辑回归二分类模型的训练，因此C错误。
D. 该选项通常错误使用ML.PREDICT语句，ML.PREDICT是调用已训练完成的模型执行预测的函数，不具备模型创建和训练的能力，无法完成题目要求的模型训练任务，因此D错误。 关键知识点：
1. BigQuery ML模型创建语法规范：使用CREATE OR REPLACE MODEL语句配合OPTIONS参数定义模型类型、标签列等核心配置，后续接训练数据的SELECT查询即可完成模型训练。
2. 机器学习任务与模型选型规则：二分类任务输出为两类离散标签应选择逻辑回归模型，线性回归仅适用于连续值预测的回归场景。
3. BigQuery ML训练数据要求：训练查询必须包含OPTIONS中input_label_cols指定的标签列，否则模型无法完成训练。 参考资料：
BigQuery ML 逻辑回归模型创建文档, BigQuery ML 客户流失预测实战教程