説明
データを非正規化する従来の方法では、ファクトとそのすべてのディメンションをフラットなテーブル構造に書き込むだけです。たとえば、販売取引を扱っている場合は、注文や顧客情報などの付随するディメンションとともに、個々のファクトをレコードに書き込みます。
データを非正規化するもう1つの方法は、JSONまたはAvro入力データのネストされた繰り返し構造に対するBigQueryのネイティブサポートを利用します。ネストされた繰り返し構造を使用してレコードを表現すると、基になるデータをより自然に表現できます。販売注文の場合、JSON構造の外側には注文と顧客情報が含まれ、構造の内側には注文の個々のラインアイテムが含まれ、ネストされた繰り返し要素として表されます。
参照：https：//cloud.google.com/solutions/bigquery-data-warehouse#denormalizing_data

回帰は、連続的な数値変数をモデル化および予測するための教師あり学習タスクです。例としては、不動産価格、株価の動き、学生のテストスコアの予測などがあります。
分類は、カテゴリ変数をモデル化および予測するための教師あり学習タスクです。例としては、従業員の解約、電子メールスパム、金融詐欺、学生の手紙の成績の予測などがあります。
クラスタリングは、データセット内の固有の構造に基づいて観測値の自然なグループ化（つまりクラスター）を見つけるための教師なし学習タスクです。例としては、顧客のセグメンテーション、eコマースでの類似アイテムのグループ化、ソーシャルネットワーク分析などがあります。