一文讀懂人工智慧表：從MindsDB說起

 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！