要解决BigQuery GCP回归模型问题，你可以按照以下步骤进行操作：

1. 创建回归模型的训练数据集：在BigQuery中创建一个表来存储你的训练数据。确保表包含所有输入特征和目标变量。你可以使用BigQuery的SQL语句来创建和准备数据集。

2. 训练回归模型：使用BigQuery ML来训练回归模型。BigQuery ML提供了一个简单的SQL接口，你可以使用SQL语句训练和评估模型。以下是一个使用BigQuery ML训练回归模型的示例代码：

CREATE OR REPLACE MODEL `project.dataset.model`
OPTIONS(model_type='linear_reg') AS
SELECT
  input_feature1,
  input_feature2,
  ...,
  target_variable
FROM
  `project.dataset.training_data`;

在这个示例中，你需要将project.dataset.model替换为你的模型名称，将project.dataset.training_data替换为你的训练数据表名称。

3. 评估模型性能：你可以使用以下SQL语句评估模型的性能：

SELECT
  *
FROM
  ML.EVALUATE(MODEL `project.dataset.model`, (
    SELECT
      input_feature1,
      input_feature2,
      ...,
      target_variable
    FROM
      `project.dataset.test_data`
  ));

在这个示例中，你需要将project.dataset.model替换为你的模型名称，将project.dataset.test_data替换为你的测试数据表名称。

4. 使用模型进行预测：你可以使用以下SQL语句使用模型进行预测：

SELECT
  predicted_target_variable
FROM
  ML.PREDICT(MODEL `project.dataset.model`, (
    SELECT
      input_feature1,
      input_feature2,
      ...
    FROM
      `project.dataset.new_data`
  ));

在这个示例中，你需要将project.dataset.model替换为你的模型名称，将project.dataset.new_data替换为包含输入特征的新数据表名称。

这是一个基本的解决方法，你可以根据你的具体需求进行修改和扩展。记得在使用BigQuery ML之前，你需要在GCP中启用BigQuery ML服务。