基于智能数据库的自助式人工神经网络

单打独斗#2：ML数学模型与软件包的内置

通过API将ML数学模型与的业务软件包内置是面临的另一个单打独斗。

的业务软件包和BI基本功能与资料库紧密耦合。因此，如果AutoML基本功能沦为资料库的一部分，我们就可以常用基准SQL自然语言来进行得出。接下来，ML数学模型和的业务软件包之间不再必需API内置，因为数学模型在在在资料库中所。

解决方案：在资料库中所嵌入AutoML

在资料库中所嵌入AutoML基本功能但会带给很多坏处，比如：

任何常用资料并了解SQL的人(资料交易员或资料地质学家)都可以利用步骤学的力量。 软件亦同合开发医务人员可以更加适当地将ML嵌入到的业务基本功能和软件包中所。 资料和数学模型之间以及数学模型和的业务软件包之间不必需繁杂的内置。

无论如何，上述相对繁杂的内置图详见变动加如下：

它看一起更加非常简单，也使ML更进一步更加灵巧高效。

7.如何实现自助式ML将数学模型作为虚拟资料库详见

认出解决方案的下一步是来推行它。

为此，我们常用了一个叫做AI Tables的结构。它以虚拟详见的形式将步骤学替换成资料SDK。它可以像其他资料库详见一样创建人，然后向软件包、BI基本功能和DB浏览器开放。我们通过非常简单地检索资料来来进行得出。

AI Tables原本由MindsDB亦同合开发，可以作为开盛或托管云服务常用。他们内置了传统的SQL和NoSQL资料库，如Kafka和Redis。

8.常用AI Tables

AI Tables的本质使我们必须在资料库中所执行ML更进一步，这样ML更进一步的所有步骤(即资料作准备、数学模型锻炼和得出)都可以通过资料库来进行。

锻炼AI Tables

首先，应用程序要根据自己的生产力创建人一个AI Table，它类似于一个步骤学数学模型，相关亦同了与盛详见的列等价的特点;然后通过AutoML引擎自助完毕一小的可视重构护航。；也还将举例。

做得出

一旦创建人了AI Table，它不必需任何进一步的重新部署就可以常用了。要来进行得出，只必需在AI Table上运行一个基准SQL检索。

你可以一一或分批地来进行得出。AI Tables可以处理许多繁杂的步骤学护航，如多元间隔时间核酸、检测异常等。

9.AI Tables实习示例

对于零售业来说，在恰当的间隔时间保证产品都有恰当的库存是一项繁杂的护航。当生产力增长时，补充业已减小。基于这些资料和步骤学，我们可以得出取值的产品在取值的日期应该有多少库存，从而为零售业带给更加多收入。

首先你必需跟踪以下文档，建立一张AI Table：

产品售出日期(date_of_sale) 产品售出店(shop) 具体售出产品(product_code) 产品售出为数(amount)

如下图附注：

（1）锻炼AI Tables

要创建人和锻炼AI Tables，你首先要允许MindsDB访问资料。详细暗示可参考MindsDB文档( MindsDB documentation)。

AI Tables就像ML数学模型，必需常用历史资料来锻炼它们。

示例常用一个非常简单的SQL指令，锻炼一个AITable：

让我们量化这个检索：

常用MindsDB中所的CREATE PREDICTOR语句。 根据历史资料下定义盛资料库。 根据历史资料详见(historical_table)锻炼AI Table，所选列(column_1和column_2)是用来来进行得出的特点。 AutoML定时完毕剩下的可视重构护航。 MindsDB但会鉴别每一列的资料类型，对其来进行归一重构和编码，并紧密结合和锻炼ML数学模型。

同时，你可以看到每个得出的总体准确率和置信度，并估计哪些列(特点)对结果更加重要。

在资料库中所，我们时常必需处理涉及高基数的多元间隔时间核酸资料的护航。如果常用传统的步骤，必需很大的脑袋来创建人这样的ML数学模型。我们必需对资料来进行以此类推，并根据取值的间隔时间、日期或间隔时间戳资料字段对其来进行顺序。

例如，我们得出五金店卖出的锤子为数。那么，资料按店铺和产品以此类推，并对每个有所不同的店铺和产品组合作出得出。这就给我们带给了为每个组创建人间隔时间核酸数学模型的问题。

这说什么一起工程浩大，但MindsDB给予了常用GROUP BY语句创建人单个ML数学模型，从而只用锻炼多元间隔时间核酸资料的步骤。让我们看看仅常用一个SQL指令是如何完毕的：

创建人的stock_forecaster得出器可以得出某个特定店铺更进一步将贩售多少商品。资料按贩售日期顺序，并按店铺以此类推。所以我们可以为每个店铺得出贩售数额。

（2）应用软件得出

通过常用示例的检索将贩售资料详见与得出器连接一起，JOIN可用将得出的为数添加到记录中所，因此我们可以只用获得许多记录的应用软件得出。

如想了解更加多关于在BI基本功能中所量化和可视重构得出的知识，商量提示这篇文章。

（3）实际善用

传统步骤将ML数学模型认作法理的软件包，必需确保到资料库的ETL直接和到的业务软件包的API内置。AutoML基本功能尽管使可视重构部分愈发轻松而直接，但完备的ML实习漂也依然必需经验丰富的专家管理。其实资料库已经是资料作准备的优选基本功能，因此将ML替换成到资料库而非将资料替换成ML中所是更加有意义的。由于AutoML基本功能在在在资料库中所，来自MindsDB的AI Tables构造必须为资料从业者给予自助AutoML并让步骤学实习漂得以简重构。

译文浏览器：

译文介绍

张怡，51CTO社区编辑，中所级工程师。主要研究成果计算机科学迭代实现以及场景应用，对步骤学迭代和定时控制迭代不大了解和掌握，并将接下来关注近年来计算机科学技术开发的发展动态，特别是计算机科学技术开发在计算机系统网亦同汽车、计算机系统家居等领域的具体实现及其应用。

。

天津白癜风权威医院
上吐下泻怎么回事
西安看白癜风哪里比较好
江西白癜风哪家医院最好
浙江男科医院哪家医院好