Memahami jadual kecerdasan buatan dalam satu artikel: bermula dengan MindsDB

Artikel ini dicetak semula daripada akaun awam WeChat "Hidup dalam Era Maklumat" Pengarang hidup dalam era maklumat. Untuk mencetak semula artikel ini, sila hubungi akaun awam Living in the Information Age.

Bagi pelajar yang biasa dengan operasi pangkalan data, menulis pernyataan SQL yang indah dan mencari cara untuk mencari data yang anda perlukan daripada pangkalan data adalah operasi rutin.

Bagi pelajar yang biasa dengan pembelajaran mesin, ia juga merupakan perkara untuk mendapatkan data, pramemproses data, membina model, menentukan set latihan dan set ujian, dan menggunakan model terlatih untuk membuat satu siri ramalan tentang masa depan Ia adalah operasi rutin.

Jadi, bolehkah kita menggabungkan kedua-dua teknologi itu? Kami melihat bahawa data disimpan dalam pangkalan data, dan ramalan perlu berdasarkan data lepas. Jika kita menanyakan data masa depan melalui data sedia ada dalam pangkalan data, adakah ia boleh dilaksanakan?

Berdasarkan idea ini, MindsDB dilahirkan.

MindsDB ialah alat yang membawa pembelajaran mesin kepada pangkalan data SQL sedia ada, menyambung data dan model. Ia menyepadukan model pembelajaran mesin ke dalam jadual maya dalam pangkalan data melalui jadual kecerdasan buatan (AI-Tables), supaya ramalan boleh dibuat dan pertanyaan boleh dibuat menggunakan pernyataan SQL mudah. Ramalan siri masa, regresi dan klasifikasi boleh dilakukan secara terus dalam pangkalan data hampir serta-merta.

Dengan perkembangan teknologi maklumat, banyak industri perlahan-lahan berubah daripada "apa yang berlaku dan mengapa ia berlaku" berdasarkan analisis data sejarah kepada "apa yang kami ramalkan akan berlaku dan bagaimana untuk mewujudkannya" berdasarkan pembelajaran mesin perubahan model ramalan. MindsDB ialah alat untuk mencapai matlamat ini.

MindsDB boleh melakukan pemodelan terus dalam pangkalan data, menghapuskan sakit kepala pemprosesan data, membina model pembelajaran mesin dan langkah lain. Penganalisis data dan penganalisis perniagaan tidak perlu mengetahui terlalu banyak tentang kejuruteraan data atau pemodelan untuk menggunakannya di luar kotak.

Jadi, mari kita lihat bagaimana MindsDB melaksanakan operasi sedemikian.

Sebagai contoh, kami mempunyai jadual data yang menyimpan data tentang harga perumahan dan KDNK di bandar Kemudian, jika kami ingin menanyakan harga perumahan dan KDNK. Anda boleh membuat pertanyaan menggunakan SQL yang serupa dengan yang berikut:

select gdp, houseprice from city;

Kemudian, kita dapat melihat bahawa KDNK dan harga perumahan mungkin mempunyai hubungan linear. Jika kita ingin menanyakan harga perumahan yang sepadan dengan nilai KDNK tertentu, kita boleh menulis

select gdp, houseprice from city where gdp=10000;

Walau bagaimanapun, bagaimana jika data KDNK yang disoal tidak wujud dalam pangkalan data diperolehi.

Pada masa ini, jadual kecerdasan buatan muncul.

Kita boleh membuat model ramalan harga rumah dahulu:

create predictor mindsdb.price_model from city predict houseprice;

Dengan cara ini, MindsDB akan mencipta model di latar belakang secara automatik. Pada masa ini, kita boleh menggunakan model ini untuk menanyakan ramalan harga perumahan yang sepadan dengan data KDNK yang tiada dalam pangkalan data.

pilih houseprice daripada mindsdb.price_model where gpd=20000;

Dengan cara ini, kita akan mendapat nilai ramalan model berdasarkan data sejarah.

Atas ialah kandungan terperinci Memahami jadual kecerdasan buatan dalam satu artikel: bermula dengan MindsDB. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!