Vous pouvez faire du machine learning en utilisant uniquement SQL

Le projet MindsDB[1] que j'ai vu sur GitHub m'a récemment fait briller les yeux. Il peut effectuer des opérations liées à l'apprentissage automatique dans la base de données, c'est-à-dire que vous pouvez créer, entraîner, optimiser et déployer l'apprentissage automatique en utilisant uniquement un modèle SQL. , pour obtenir des prédictions, interrogez simplement les données et le modèle ML.

MindsDB apporte l'apprentissage automatique à la base de données en adoptant le concept de tables AI. Les tables AI sont des modèles d'apprentissage automatique stockés sous forme de tables virtuelles dans une base de données. Ils aident à faire des prédictions basées sur des données. Vous pouvez effectuer des prédictions de séries chronologiques, de régression et de classification dans votre base de données et obtenir un résultat presque instantanément en interrogeant une table AI à l'aide d'instructions SQL simples.

Ensuite, regardons un exemple simple fourni par le responsable.

1. Demandez un compte cloud MindsDB gratuit afin de pouvoir en faire l'expérience immédiatement. Si vous préférez le déploiement local, vous pouvez installer leur version Docker.

2. Connectez-vous à MindsDB à partir du client SQL.

3. Utilisez CREATE DATABASE pour vous connecter à la base de données. MindsDB dispose d'un exemple de base de données prête à l'emploi. Veuillez utiliser l'instruction CREATE DATABASE, comme indiqué ci-dessous :

CREATE DATABASE example_data
WITH ENGINE = "postgres",
PARAMETERS = { 
"user": "demo_user",
"password": "demo_password",
"host": "3.220.66.106",
"port": "5432",
"database": "demo"
};

Après l'exécution, vous pouvez obtenir les résultats suivants :

Query OK, 0 rows affected (3.22 sec)

4 Vous pouvez utiliser le SQL standard pour prévisualiser les données, comme indiqué dans la figure ci-dessous :

.

5. Utilisez CREATE PREDICTOR pour créer le prédicteur :

CREATE PREDICTOR mindsdb.home_rentals_predictor
FROM example_data
(SELECT * FROM demo_data.home_rentals)
PREDICT rental_price;

Après l'exécution :

Query OK, 0 rows affected (9.79 sec)

6. Vérifiez le statut du prédicteur :

SELECT status
FROM mindsdb.predictors
WHERE name='home_rentals_predictor';

Vous obtiendrez le statut de formation ou terminé :

+----------+
| status |
+----------+
| training |
+----------+

ou

+----------+
| status |
+----------+
| complete |
+----------+

7. Exécuter une prédiction

L'instruction SELECT vous permet d'effectuer des prédictions basées sur des fonctionnalités, où les fonctionnalités sont des variables d'entrée ou des colonnes d'entrée utilisées pour faire des prédictions. Prévoyez maintenant le montant du loyer pour une maison de 1 000 pieds carrés avec deux salles de bains.

SELECT rental_price
FROM mindsdb.home_rentals_predictor
WHERE number_of_bathrooms=2
AND sqft=1000;

Le résultat est le suivant :

+--------------+
| rental_price |
+--------------+
| 1130 |
+--------------+

À cette étape, vous avez réussi à entraîner un modèle de prédiction à l'aide de SQL et à obtenir les données prédites !

Caractéristiques

1. Prétraitement automatique des données, ingénierie et codage des fonctionnalités

2. Classification, régression, tâches de séries chronologiques

3. Mettez le modèle en production sans "déploiement traditionnel"

4. et intervalle de confiance

5. Peut rejoindre le modèle ML avec les données existantes

6. Détection d'anomalies

7. Analyse d'interprétabilité du modèle

Prend en charge la formation GPU

Prend en charge l'intégration avec les bases de données suivantes :

Derniers mots.

Il est vraiment pratique d'utiliser l'apprentissage automatique avec uniquement SQL Pour les détails techniques de MindsDB, vous pouvez visiter le document officiel [2]. Si cela est utile, veuillez cliquer pour le partager avec plus d'amis.

Références :

[1]MindsDB : https://github.com/mindsdb/mindsdb

[2]Documentation : docs.mindsdb.com

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!