BigQuery ML — SQL だけで機械学習

BigQuery ML の思想 — データを持ち出さない ML

機械学習を試すには、通常「データをウェアハウスから抜き出し、Python の ML フレームワークが動く環境へ運び、学習し、デプロイし、推論結果をまたウェアハウスへ書き戻す」という往復が発生します。BigQuery ML はこの往復そのものを消します。CREATE MODEL 文で学習し、ML.PREDICT で推論する、すべてが SQL の一部です。公式ドキュメントは BigQuery ML を「SQL に習熟した実務者が、既存の SQL ツールとスキルだけでモデルの構築・評価ができる」仕組みと位置づけています。

BigQuery ML が扱うモデルは、学習が実際にどこで行われるかで 4 つに分かれます。この区別は後述する課金の理解にも直結します。

サポートするモデルの全体像

「何を予測したいか」から逆引きすると、モデルタイプの選び方は驚くほどシンプルです。

CREATE MODEL → ML.EVALUATE → ML.PREDICT の 3 段の流れ

BigQuery ML のワークフローはどのモデルタイプでも同じ 3 段です。

CREATE MODEL の基本構文は次の形です。TRANSFORM 句を使うと、学習時に指定した前処理が評価・推論の際にも自動的に復元されます。

CREATE OR REPLACE MODEL `PROJECT_ID.handson_ch13.penguins_model`
TRANSFORM(
  ML.STANDARD_SCALER(culmen_length_mm) OVER() AS culmen_length_scaled,
  species, island, sex,
  body_mass_g
)
OPTIONS(
  model_type = 'linear_reg',
  input_label_cols = ['body_mass_g']
) AS
SELECT species, island, culmen_length_mm, sex, body_mass_g
FROM `bigquery-public-data.ml_datasets.penguins`
WHERE body_mass_g IS NOT NULL;

学習後は ML.EVALUATE で精度を確認します。返るカラムはモデルタイプで異なり、分類モデルは precision / recall / accuracy / f1_score / log_loss / roc_auc、回帰モデルは mean_absolute_error / mean_squared_error / r2_score / explained_variance 等、k-means モデルは davies_bouldin_index / mean_squared_distance を返します。

SELECT * FROM ML.EVALUATE(MODEL `PROJECT_ID.handson_ch13.penguins_model`);

推論は ML.PREDICT（回帰・分類・クラスタリング等）と、時系列専用の ML.FORECAST に分かれます。ML.FORECAST は HORIZON（予測する時点数、既定値 3）と CONFIDENCE_LEVEL（予測区間の信頼度、既定値 0.95）を指定し、forecast_value と予測区間の上下限を返します。

SELECT *
FROM ML.FORECAST(
  MODEL `PROJECT_ID.handson_ch13.ga_arima_model`,
  STRUCT(30 AS horizon, 0.9 AS confidence_level)
);

各特徴量が予測にどう寄与したかを見たい場合は ML.EXPLAIN_PREDICT（説明可能性）、モデルの当てはまりをハイパーパラメータ単位で追い込みたい場合は CREATE MODEL の NUM_TRIALS / HPARAM_TUNING_OBJECTIVES オプションによるチューニングが使えます。学習済みモデルは Vertex AI の Model Registry に登録して、オンライン予測エンドポイントへデプロイすることもできます。

課金の考え方 — CREATE MODEL は「別建て」

この章で最も誤解されやすいのが料金です。ML.EVALUATE / ML.PREDICT / ML.FORECAST は通常のクエリと同じオンデマンド $6.25 / TiB（2026-08 時点、us-central1）で課金され、月 1 TiB の無料枠にそのまま含まれます。ところが CREATE MODEL はモデルタイプによって単価が変わり、線形回帰・ロジスティック回帰・k-means・PCA・時系列（ARIMA_PLUS / ARIMA_PLUS_XREG）・貢献度分析のモデル作成は $312.50 / TiB、つまり通常のクエリの50 倍です。公式ドキュメントは「CREATE MODEL ジョブのコストは監査ログのバイト数から独自に計算する必要がある」と明記しており、評価・推論のように無料枠へ含まれるとは書かれていません。

本章のハンズオンは、線形回帰は 344 行の小さな公開データセット、時系列予測は 1 年分の日次集計という、どちらも学習データのスキャン量を数十〜数百 KB 〜 MB オーダーに絞っています。$312.50 / TiB のレートでも、実際の請求額は数円〜十数円程度に収まる計算です。内部学習モデルは CREATE MODEL の dry run で事前にバイト量を見積もれるので、本番規模のテーブルで学習する前に必ず確認してください（外部学習モデルは dry run 非対応です）。

bq mk --location=US --dataset PROJECT_ID:handson_ch13

-- 処理: 数十 KB 程度（実測は dry run で確認）
CREATE OR REPLACE MODEL `PROJECT_ID.handson_ch13.penguins_model`
OPTIONS(
  model_type = 'linear_reg',
  input_label_cols = ['body_mass_g']
) AS
SELECT
  species, island, culmen_length_mm, culmen_depth_mm, flipper_length_mm, sex,
  body_mass_g
FROM `bigquery-public-data.ml_datasets.penguins`
WHERE body_mass_g IS NOT NULL;

SELECT * FROM ML.EVALUATE(MODEL `PROJECT_ID.handson_ch13.penguins_model`);

SELECT
  species, island, predicted_body_mass_g
FROM ML.PREDICT(
  MODEL `PROJECT_ID.handson_ch13.penguins_model`,
  (
    SELECT species, island, culmen_length_mm, culmen_depth_mm, flipper_length_mm, sex
    FROM `bigquery-public-data.ml_datasets.penguins`
    WHERE body_mass_g IS NULL
    LIMIT 5
  )
);

bq rm -f --model PROJECT_ID:handson_ch13.penguins_model
bq rm -r -f -d PROJECT_ID:handson_ch13

CREATE OR REPLACE MODEL `PROJECT_ID.handson_ch13.ga_arima_model`
OPTIONS(
  model_type = 'ARIMA_PLUS',
  time_series_timestamp_col = 'parsed_date',
  time_series_data_col = 'total_visits',
  auto_arima = TRUE,
  data_frequency = 'AUTO_FREQUENCY',
  decompose_time_series = TRUE
) AS
SELECT
  PARSE_TIMESTAMP('%Y%m%d', date) AS parsed_date,
  SUM(totals.visits) AS total_visits
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
GROUP BY date;

SELECT non_seasonal_p, non_seasonal_d, non_seasonal_q, has_drift, aic
FROM ML.ARIMA_EVALUATE(MODEL `PROJECT_ID.handson_ch13.ga_arima_model`);

SELECT forecast_timestamp, forecast_value, prediction_interval_lower_bound, prediction_interval_upper_bound
FROM ML.FORECAST(
  MODEL `PROJECT_ID.handson_ch13.ga_arima_model`,
  STRUCT(30 AS horizon, 0.9 AS confidence_level)
)
ORDER BY forecast_timestamp;

bq rm -f --model PROJECT_ID:handson_ch13.ga_arima_model
bq rm -r -f -d PROJECT_ID:handson_ch13

つまずきポイント

理解度チェック

まとめと次章へ

• BigQuery ML は CREATE MODEL → ML.EVALUATE → ML.PREDICT / ML.FORECAST という 3 段の SQL だけで、学習から推論までを BigQuery 内で完結させる
• モデルは学習場所で 4 分類（内部学習・外部学習・リモート・インポート）され、リモートモデルとインポートモデルは CREATE MODEL 自体が無課金
• 内部学習モデル（線形/ロジスティック回帰・k-means・PCA・ARIMA_PLUS 系）の CREATE MODEL は通常のクエリの 50 倍（$312.50/TiB）で課金され、無料枠への算入は明記されていない。学習前の dry run が必須
• TRANSFORM 句を使えば、前処理を人間が再現せずに推論時へ自動復元できる
• 行列分解モデルはオンデマンド非対応、BigQuery ML 自体も Standard エディションでは使えない

• BigQuery ML の概要
• CREATE MODEL 構文
• CREATE MODEL 構文（時系列モデル）
• ML.EVALUATE 関数
• ML.FORECAST 関数
• チュートリアル: 線形回帰モデルの作成
• チュートリアル: ARIMA_PLUS による単一時系列の予測
• BigQuery の料金