8888四色奇米在线观看,久久久久人妻精品一区三寸蜜桃,欧美乱大交xxxxx

入門：Postgresml免費(fèi)tier

>超參數(shù)調(diào)整

5。模型評(píng)估

首頁(yè)

科技週邊

人工智慧

PostgreSML教程：使用SQL進(jìn)行機(jī)器學(xué)習(xí)

Christopher Nolan

Mar 07, 2025 am 09:16 AM

機(jī)器學(xué)習(xí)的主要趨勢(shì)涉及將數(shù)據(jù)傳輸?shù)侥Ｐ偷呐嘤?xùn)環(huán)境中。但是，如果我們扭轉(zhuǎn)了這個(gè)過(guò)程怎麼辦？鑑於現(xiàn)代數(shù)據(jù)庫(kù)比機(jī)器學(xué)習(xí)模型大得多，將模型移至數(shù)據(jù)集更有效嗎？

這是PostgreSML背後的基本概念 - 數(shù)據(jù)仍在其位置，您將代碼帶到數(shù)據(jù)庫(kù)中。這種機(jī)器學(xué)習(xí)的倒置方法提供了許多實(shí)踐優(yōu)勢(shì)，這些優(yōu)勢(shì)挑戰(zhàn)了“數(shù)據(jù)庫(kù)”的常規(guī)概念。

> postgresml：概述及其優(yōu)點(diǎn)

> Postgresml是一個(gè)建立在廣泛使用的PostgreSQL數(shù)據(jù)庫(kù)基於的綜合機(jī)器學(xué)習(xí)平臺(tái)。它介紹了一種名為“ database”機(jī)器學(xué)習(xí)的新穎方法，使您能夠在SQL中執(zhí)行各種ML任務(wù)，而無(wú)需為每個(gè)步驟提供單獨(dú)的工具。 >

儘管具有相對(duì)新穎性，但PostgreSML提供了幾個(gè)關(guān)鍵好處：>

PostgresML Tutorial: Doing Machine Learning With SQL

> in-database ml：

在PostgreSQL數(shù)據(jù)庫(kù)中直接在PostgreSQL數(shù)據(jù)庫(kù)中直接運(yùn)行ML模型。這消除了對(duì)數(shù)據(jù)庫(kù)和外部ML框架之間恆定數(shù)據(jù)傳輸?shù)男枨?，從而提高了效率並降低了延遲。

利用SQL進(jìn)行培訓(xùn)，微調(diào)和部署機(jī)器學(xué)習(xí)模型。這簡(jiǎn)化了數(shù)據(jù)分析師和科學(xué)家對(duì)多個(gè)ML框架不熟悉的工作流程。

> >>預(yù)訓(xùn)練的模型：

>與擁抱面無(wú)縫集成，提供訪問(wèn)眾多預(yù)訓(xùn)練的模型，例如Llama，F(xiàn)alcon，Bert和Mistral。

自定義和靈活性：支持Scikit-Learn，XGBoost，LGBM，Pytorch和Tensorflow的廣泛算法，可直接在數(shù)據(jù)庫(kù)中進(jìn)行多種監(jiān)督的學(xué)習(xí)任務(wù)。

>生態(tài)系統(tǒng)集成：與任何支持Postgres的環(huán)境一起使用多種編程語(yǔ)言的SDK（JavaScript，Python和Rust特別支持）。

本教程將使用典型的機(jī)器學(xué)習(xí)工作流程演示這些功能：

數(shù)據(jù)加載

數(shù)據(jù)預(yù)處理

模型培訓(xùn)

超參數(shù)微調(diào) PostgresML Tutorial: Doing Machine Learning With SQL

生產(chǎn)部署

> postgresml
的完整監(jiān)督學(xué)習(xí)工作流程
入門：Postgresml免費(fèi)tier
1. >創(chuàng)建一個(gè)免費(fèi)帳戶，請(qǐng)> http://ipnx.cn/link/3349958A3E3E56580D4E415DA345703886 ：>
註冊(cè)後，您將訪問(wèn)Postgresml控制臺(tái)以管理項(xiàng)目和資源。 >

“管理”部分允許您根據(jù)計(jì)算需求擴(kuò)展環(huán)境。 >

1。安裝和設(shè)置Postgres
> PostgreSML需要PostgreSQL。可用於各種平臺(tái)的安裝指南：

> Windows

mac os
- linux
- >
驗(yàn)證安裝：
```
sudo apt update
sudo apt install postgresql postgresql-contrib
sudo passwd postgres  # Set a new Postgres password
# Close and reopen your terminal
```
為了獲得比終端更具用戶友好的體驗(yàn)，請(qǐng)考慮VSCODE擴(kuò)展。
>
```
psql --version
```
2。數(shù)據(jù)庫(kù)連接
使用PostgreSML控制臺(tái)中的連接詳細(xì)信息：

>使用
：連接
或者，使用文檔中所述的VSCODE擴(kuò)展名。
啟用PGML擴(kuò)展名：psql
```
psql -h "host" -U "username" -p 6432 -d "database_name"
```
驗(yàn)證安裝：

3。數(shù)據(jù)加載
```
CREATE EXTENSION IF NOT EXISTS pgml;
```
>我們將使用Kaggle的Diamonds數(shù)據(jù)集。將其作為CSV下載或使用此python片段：
```
SELECT pgml.version();
```
創(chuàng)建表：

填充表：
```
import seaborn as sns
diamonds = sns.load_dataset("diamonds")
diamonds.to_csv("diamonds.csv", index=False)
```
驗(yàn)證數(shù)據(jù)：
```
CREATE TABLE IF NOT EXISTS diamonds (
   index SERIAL PRIMARY KEY,
   carat FLOAT,
   cut VARCHAR(255),
   color VARCHAR(255),
   clarity VARCHAR(255),
   depth FLOAT,
   table_ FLOAT,
   price INT,
   x FLOAT,
   y FLOAT,
   z FLOAT
);
```
```
INSERT INTO diamonds
   (carat, cut, color, clarity, depth, table_, price, x, y, z)
   FROM '~/full/path/to/diamonds.csv'
   DELIMITER ','
   CSV HEADER;
```
4。模型培訓(xùn)
```
SELECT * FROM diamonds LIMIT 10;
```
基本培訓(xùn)
訓(xùn)練XGBoost回歸劑：

訓(xùn)練多級(jí)分類器：

>預(yù)處理
```
SELECT pgml.train(
 project_name => 'Diamond prices prediction',
 task => 'regression',
 relation_name => 'diamonds',
 y_column_name => 'price',
 algorithm => 'xgboost'
);
```
訓(xùn)練具有預(yù)處理的隨機(jī)森林模型：

PostgreSML提供各種預(yù)處理選項(xiàng)（編碼，插圖，縮放）。
```
SELECT pgml.train(
 project_name => 'Diamond cut quality prediction',
 task => 'classification',
 relation_name => 'diamonds',
 y_column_name => 'cut',
 algorithm => 'xgboost',
 test_size => 0.1
);
```
指定超參數(shù)

>使用自定義超參數(shù)訓(xùn)練XGBoost回歸劑：
>
```
sudo apt update
sudo apt install postgresql postgresql-contrib
sudo passwd postgres  # Set a new Postgres password
# Close and reopen your terminal
```
>超參數(shù)調(diào)整

執(zhí)行網(wǎng)格搜索：
```
psql --version
```
5。模型評(píng)估

使用pgml.predict進(jìn)行預(yù)測(cè)：
>
```
psql -h "host" -U "username" -p 6432 -d "database_name"
```
使用特定模型，指定其ID：>
```
CREATE EXTENSION IF NOT EXISTS pgml;
```
檢索模型ID：
```
SELECT pgml.version();
```
6。模型部署
Postgresml
自動(dòng)部署表現(xiàn)最佳的模型。對(duì)於更精細(xì)的控制，請(qǐng)使用
：pgml.deploy>
```
import seaborn as sns
diamonds = sns.load_dataset("diamonds")
diamonds.to_csv("diamonds.csv", index=False)
```
>部署策略包括
，best_score和most_recent。 rollback
進(jìn)一步探索postgresml
> postgresml超出了監(jiān)督學(xué)習(xí)的範(fàn)圍。首頁(yè)具有用於實(shí)驗(yàn)的SQL編輯器。建立面向消費(fèi)者的ML服務(wù)可能涉及：

創(chuàng)建一個(gè)用戶界面（例如，使用簡(jiǎn)化或taipy）。 >
開(kāi)發(fā)後端（python，node.js）。
1. 使用
2. 的庫(kù)進(jìn)行數(shù)據(jù)庫(kù)交互。
3. >後端中的預(yù)處理數(shù)據(jù)。 psycopg2 在用戶交互時(shí)，pg-promise觸發(fā)
5. pgml.predict結(jié)論
PostgreSML提供了一種新穎的機(jī)器學(xué)習(xí)方法。為了進(jìn)一步了解您的理解，請(qǐng)?zhí)剿鱃ostgreSML文檔，並考慮Datacamp的SQL課程和AI基礎(chǔ)知識(shí)等資源。
>