この記事は WeChat 公開アカウント「情報時代に生きる」から転載したものであり、著者は情報時代に生きています。この記事を転載するには、情報時代の暮らしの公開アカウントまでご連絡ください。
データベース操作に慣れている学生にとって、美しい SQL ステートメントを作成し、データベースから必要なデータを見つける方法を見つけることは日常的な操作です。
機械学習に精通している学生にとっては、データの取得、データの前処理、モデルの構築、トレーニング セットとテスト セットの決定、トレーニング済みモデルを使用した一連の学習の実行も重要です。未来についての予測。これは日常的な操作です。
それでは、2 つのテクノロジーを組み合わせることはできるでしょうか?データはデータベースに保存されており、予測は過去のデータに基づく必要があることがわかります。データベース内の既存のデータを通じて将来のデータをクエリする場合、それは実現可能でしょうか?
このアイデアに基づいて、MindsDB が誕生しました。
MindsDB は、既存の SQL データベースに機械学習を導入し、データとモデルを接続するためのツールです。人工知能テーブル (AI-Table) を通じて機械学習モデルをデータベース内の仮想テーブルに統合するため、単純な SQL ステートメントを使用して予測を作成したり、クエリを実行したりできるようになります。時系列、回帰、分類の予測は、データベース内でほぼ即座に直接実行できます。
情報技術の発展に伴い、多くの業界は、過去のデータ分析に基づいた「何が起こったのか、なぜ起こったのか」から、機械学習に基づいた「何が起こると予測し、それをどのように実現するのか」に徐々に変化しつつあります。予測モデルの変化。 MindsDB はこの目標を達成するためのツールです。
MindsDB はデータベース内で直接モデリングを実行できるため、データ処理、機械学習モデルの構築などの面倒な手順が不要になります。データ アナリストやビジネス アナリストは、そのまま使用するためにデータ エンジニアリングやモデリングについて詳しく知る必要はありません。
それでは、MindsDB がそのような操作をどのように実装するかを見てみましょう。
たとえば、ある都市の住宅価格と GDP に関するデータを保存したデータ テーブルがあるとして、住宅価格と GDP をクエリしたいとします。次のような SQL を使用してクエリを実行できます。
select gdp, houseprice from city;
次に、GDP と住宅価格には線形関係があることがわかります。特定の GDP 値に対応する住宅価格をクエリしたい場合は、
select gdp, houseprice from city where gdp=10000;
と記述できますが、クエリ対象の GDP データがデータベースに存在しない場合は、明らかにクエリ結果を取得できません。 。
この時点で、人工知能テーブルが表示されます。
最初に住宅価格予測モデルを作成できます:
create predictor mindsdb.price_model from city predict houseprice;
このようにして、MindsDB はバックグラウンドでモデルを自動的に作成します。現時点では、このモデルを使用して、データベースにない GDP データに対応する予測住宅価格をクエリできます。
select houseprice from minsdb.price_model where gpd=20000;
このようにして、履歴データに基づいてモデルの予測値を取得します。
以上が人工知能テーブルを 1 つの記事で理解する: MindsDB から始めるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。