本文轉載自微信公眾號「活在資訊時代」,作者活在資訊時代。轉載本文請聯絡活在資訊時代公眾號。
對於熟悉資料庫操作的同學來說,編寫優美的SQL語句,從資料庫中想辦法找出自己需要的數據,是常規操作了。
而對於熟悉機器學習的同學來說,獲取數據,對數據進行預處理,建立模型,確定訓練集和測試集,用訓練好的模型對未來進行一系列的預測,也是一種常規操作了。
那麼,我們能否將兩種技術結合起來呢?我們看到資料庫裡儲存了數據,而進行預測需要基於以往的數據。如果我們透過資料庫裡現有的數據,對於未來的數據進行查詢的話,那麼是否可行呢?
基於這樣的思路MindsDB就誕生了。
MindsDB是將機器學習引入現有的SQL資料庫的工具,它連接了資料與模型。它透過人工智慧表(AI-Table)這種方式,將機器學習模型集成為資料庫中的虛擬表,從而可以建立預測,並能夠使用簡單的SQL語句進行查詢。幾乎可以立即在資料庫中直接進行時間序列、迴歸和分類預測。
隨著資訊科技的發展,許多行業慢慢從基於歷史資料分析的“發生了啥和為啥發生”向機器學習預測模型的“我們預測會發生什麼和怎樣使其發生”轉變。而MindsDB就是實現這目標的工具。
MindsDB可直接在資料庫中建模,省略了資料處理、建構機器學習模型等頭痛的步驟。對於資料分析師、商業分析師無須了解過多資料工程、建模知識,即可開箱使用。
那麼,我們來看看MindsDB是怎麼實現這樣的操作的。
比如說我們有一個數據表裡,儲存一個城市的房價與GDP的數據,那麼,如果我們想查詢房價和GDP。就可以採用類似下面的SQL來查詢:
select gdp, houseprice from city;
那麼,我們可以看到gdp與房價可能呈現一個線性的關係。如果我們想查詢某個GDP值對應的房價的話,我們可以寫
select gdp, houseprice from city where gdp=10000;
但是,如果查詢的GDP資料並不存在於資料庫中怎麼辦,那麼顯然,是查詢不出來結果的。
這個時候,人工智慧表就出現了。
我們可以先建立一個房價預測模型:
create predictor mindsdb.price_model from city predict houseprice;
這樣,MindsDB就會在背景自動建立模型。此時,我們再用這個模型,就可以查詢資料庫中沒有的GDP資料對應的房價預測值了。
select houseprice from mindsdb.price_model where gpd=20000;
#這樣,我們就會取得到基於歷史資料的模型預測值了。
以上是一文讀懂人工智慧表:從MindsDB說起的詳細內容。更多資訊請關注PHP中文網其他相關文章!