Bagaimana untuk membangunkan sistem pembelajaran mesin mudah menggunakan MongoDB

Cara menggunakan MongoDB untuk membangunkan sistem pembelajaran mesin yang ringkas

Dengan pembangunan kecerdasan buatan dan pembelajaran mesin, semakin ramai pembangun mula menggunakan MongoDB sebagai pangkalan data pilihan mereka. MongoDB ialah pangkalan data dokumen NoSQL popular yang menyediakan pengurusan data yang berkuasa dan keupayaan pertanyaan serta sesuai untuk menyimpan dan memproses set data pembelajaran mesin. Artikel ini akan memperkenalkan cara menggunakan MongoDB untuk membangunkan sistem pembelajaran mesin mudah dan memberikan contoh kod khusus.

1. Pasang dan konfigurasikan MongoDB

Mula-mula, kita perlu memasang dan mengkonfigurasi MongoDB. Anda boleh memuat turun versi terkini dari tapak web rasmi (https://www.mongodb.com/) dan ikut arahan untuk memasangnya. Selepas pemasangan selesai, anda perlu memulakan perkhidmatan MongoDB dan mencipta pangkalan data.

Kaedah memulakan perkhidmatan MongoDB berbeza-beza bergantung pada sistem pengendalian. Dalam kebanyakan sistem Linux, anda boleh memulakan perkhidmatan melalui arahan berikut:

sudo service mongodb start

Dalam sistem Windows, anda boleh memasukkan arahan berikut dalam baris arahan:

mongod

Untuk mencipta pangkalan data, anda boleh menggunakan alat baris arahan MongoDB mongo. Masukkan arahan berikut dalam baris arahan:

mongo
use mydb

2. Import dan proses set data

Untuk membangunkan sistem pembelajaran mesin, anda perlu mempunyai set data terlebih dahulu. MongoDB boleh menyimpan dan memproses banyak jenis data, termasuk data berstruktur dan tidak berstruktur. Di sini, kami mengambil set data iris mudah sebagai contoh.

Kami mula-mula menyimpan set data bunga iris sebagai fail csv, dan kemudian menggunakan alat import MongoDB mongodump untuk mengimport data. Masukkan arahan berikut pada baris arahan:

mongoimport --db mydb --collection flowers --type csv --headerline --file iris.csv

Ini akan mencipta koleksi yang dipanggil bunga dan mengimport set data iris ke dalamnya.

Kini, kita boleh menggunakan bahasa pertanyaan MongoDB untuk memproses set data. Berikut ialah beberapa operasi pertanyaan yang biasa digunakan:

• Soal semua data:

db.flowers.find()

• Soal nilai atribut tertentu:

db.flowers.find({ species: "setosa" })

• Soal julat nilai atribut:

pembelajaran mesin

3. model

MongoDB menyediakan banyak alatan dan API untuk memanipulasi data, dan kami boleh menggunakan alatan dan API ini untuk membina model pembelajaran mesin kami. Di sini kami akan membangunkan sistem pembelajaran mesin kami menggunakan bahasa pengaturcaraan Python dan pymongo, pemacu Python untuk MongoDB.

Kita perlu memasang pymongo terlebih dahulu. Anda boleh menggunakan arahan pip untuk memasang:

db.flowers.find({ sepal_length: { $gt: 5.0, $lt: 6.0 } })

Kemudian, kita boleh menulis kod Python untuk menyambung ke MongoDB dan melaksanakan operasi yang berkaitan. Berikut ialah contoh kod mudah:

pip install pymongo

Kod ini akan menyambung ke pangkalan data bernama mydb dan menanyakan data dengan bunga koleksi. Kemudian, cetak hasil pertanyaan.

4. Prapemprosesan data dan pengekstrakan ciri

Dalam pembelajaran mesin, prapemprosesan data dan pengekstrakan ciri biasanya diperlukan. MongoDB boleh memberikan kami beberapa fungsi untuk membantu dalam operasi ini.

Sebagai contoh, kita boleh menggunakan operasi pengagregatan MongoDB untuk mengira ciri statistik data. Berikut ialah contoh kod:

from pymongo import MongoClient

# 连接MongoDB数据库
client = MongoClient()
db = client.mydb

# 查询数据集
flowers = db.flowers.find()

# 打印结果
for flower in flowers:
    print(flower)

Kod ini akan mengira purata atribut sepal_length dalam set data dan mencetak hasilnya.

5. Melatih dan menilai model pembelajaran mesin

Akhir sekali, kami boleh menggunakan MongoDB untuk menyimpan dan memuatkan model pembelajaran mesin untuk latihan dan penilaian.

Berikut ialah kod sampel:

from pymongo import MongoClient

# 连接MongoDB数据库
client = MongoClient()
db = client.mydb

# 计算数据集的平均值
average_sepal_length = db.flowers.aggregate([
    { "$group": {
        "_id": None,
        "avg_sepal_length": { "$avg": "$sepal_length" }
    }}
])

# 打印平均值
for result in average_sepal_length:
    print(result["avg_sepal_length"])

Kod ini akan memuatkan set data daripada MongoDB dan menyediakan data latihan. Kemudian, gunakan model regresi logistik untuk melatih dan menyimpan model secara tempatan. Akhirnya, model dimuatkan dan dinilai menggunakan set data.

Ringkasan:

Artikel ini memperkenalkan cara menggunakan MongoDB untuk membangunkan sistem pembelajaran mesin mudah dan memberikan contoh kod khusus. Dengan menggabungkan kuasa MongoDB dengan teknologi pembelajaran mesin, kami boleh membangunkan sistem yang lebih berkuasa dan pintar dengan lebih cekap. Harap artikel ini membantu anda!

Atas ialah kandungan terperinci Bagaimana untuk membangunkan sistem pembelajaran mesin mudah menggunakan MongoDB. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!