ホームページ > データベース > mysql チュートリアル > 機械学習タスクに MySQL データベースを使用するにはどうすればよいですか?

機械学習タスクに MySQL データベースを使用するにはどうすればよいですか?

WBOY
リリース: 2023-07-12 13:52:36
オリジナル
1361 人が閲覧しました

MySQL データベースを機械学習タスクに使用するにはどうすればよいですか?

ビッグデータ時代の到来により、機械学習アルゴリズムはさまざまな分野で広く使用されています。データのストレージと管理の中核ツールの 1 つとして、MySQL データベースも重要な役割を果たします。では、機械学習タスクに MySQL データベースを使用するにはどうすればよいでしょうか?この記事では、機械学習タスクに MySQL データベースを使用する一般的な方法を読者に紹介し、対応するコード例を示します。

1. データの準備

機械学習タスクを実行する前に、まずトレーニングとテストに使用できるデータ セットを準備する必要があります。 MySQL データベースでは、SQL ステートメントを使用してデータをクエリし、結果を CSV または JSON 形式のファイルにエクスポートできます。以下は、MySQL データベースからデータを取得し、結果を CSV ファイルとして保存するためのサンプル コードです:

import pandas as pd
import pymysql.cursors

# 连接MySQL数据库
connection = pymysql.connect(
    host='localhost',
    user='root',
    password='your_password',
    db='your_database',
    charset='utf8mb4',
    cursorclass=pymysql.cursors.DictCursor
)

# 执行SQL查询语句
sql = "SELECT * FROM your_table"
df = pd.read_sql(sql, connection)

# 保存数据为CSV文件
df.to_csv('data.csv', index=False)
ログイン後にコピー

2. データのロードと前処理

データ セットを読み込んだ後、Load が必要です。データを前処理します。これには、データのクリーニング、欠損値の補充などが含まれます。データのロードと前処理のサンプル コードは次のとおりです:

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# 加载数据
df = pd.read_csv('data.csv')

# 分离特征和标签
X = df.drop('label', axis=1)
y = df['label']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 特征标准化
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)
ログイン後にコピー

3. モデルのトレーニングと評価

データのロードと前処理が完了したら、機械学習アルゴリズムを使用してモデルを構築できます。トレーニングと評価を実施します。以下は、ロジスティック回帰アルゴリズムを使用したモデルのトレーニングと評価のサンプル コードです:

from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 创建模型
model = LogisticRegression()

# 模型训练
model.fit(X_train, y_train)

# 模型预测
y_pred = model.predict(X_test)

# 模型评估
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)
ログイン後にコピー

IV. モデルの保存とロード

トレーニングが完了したら、モデルを MySQL データベースに保存できます。 、その後の使用のために。以下は、モデルを MySQL データベースに保存するためのサンプル コードです。

import pickle
import pymysql.cursors

# 保存模型
with open('model.pkl', 'wb') as f:
    pickle.dump(model, f)

# 连接MySQL数据库
connection = pymysql.connect(
    host='localhost',
    user='root',
    password='your_password',
    db='your_database',
    charset='utf8mb4',
    cursorclass=pymysql.cursors.DictCursor
)

# 保存模型到数据库
with open('model.pkl', 'rb') as f:
    model_data = f.read()

sql = "INSERT INTO your_table (model) VALUES (%s)"
connection.execute(sql, (model_data,))
connection.commit()
ログイン後にコピー

予測のためにモデルをロードする必要がある場合、モデルを MySQL データベースから読み取り、ロードして使用できます。以下は、MySQL データベースからモデルをロードして予測を行うためのサンプル コードです。

import pickle
import pymysql.cursors

# 连接MySQL数据库
connection = pymysql.connect(
    host='localhost',
    user='root',
    password='your_password',
    db='your_database',
    charset='utf8mb4',
    cursorclass=pymysql.cursors.DictCursor
)

# 加载模型
sql = "SELECT model FROM your_table"
connection.execute(sql)
model_data = connection.fetchone()['model']
model = pickle.loads(model_data)

# 使用模型进行预测
y_pred = model.predict(X_test)
ログイン後にコピー

上記は、機械学習タスクに MySQL データベースを使用するための一般的な方法と対応するコード例です。この記事が読者の役に立ち、実際に柔軟に使用できることを願っています。機械学習は継続的な学習と探索のプロセスです。読者の皆様が新しい手法やテクノロジーを探索し続け、機械学習の分野での能力を向上できることを願っています。

以上が機械学習タスクに MySQL データベースを使用するにはどうすればよいですか?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。

ソース:php.cn
このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。
最新の問題
人気のチュートリアル
詳細>
最新のダウンロード
詳細>
ウェブエフェクト
公式サイト
サイト素材
フロントエンドテンプレート