在PostgreSQL數(shù)據(jù)庫中直接在PostgreSQL數(shù)據(jù)庫中直接運(yùn)行ML模型。這消除了對數(shù)據(jù)庫和外部ML框架之間恒定數(shù)據(jù)傳輸?shù)男枨螅瑥亩岣吡诵什⒔档土搜舆t。

> sql API：利用SQL進(jìn)行培訓(xùn)，微調(diào)和部署機(jī)器學(xué)習(xí)模型。這簡化了數(shù)據(jù)分析師和科學(xué)家對多個ML框架不熟悉的工作流程。
• > >>預(yù)訓(xùn)練的模型：
>與擁抱面無縫集成，提供訪問眾多預(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)

所有這些步驟將在Postgres數(shù)據(jù)庫中執(zhí)行。讓我們開始！
2. > postgresml
3. 的完整監(jiān)督學(xué)習(xí)工作流程

   入門：Postgresml免費(fèi)tier

   1. >創(chuàng)建一個免費(fèi)帳戶，請> http://ipnx.cn/link/3349958A3E3E56580D4E415DA345703886 ：>

   

   選擇提供慷慨資源的自由層：

   注冊后，您將訪問Postgresml控制臺以管理項目和資源。>

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

   1。安裝和設(shè)置Postgres

   > PostgreSML需要PostgreSQL。 可用于各種平臺的安裝指南：

   > Windows
   mac os
   • linux
   對于WSL2，以下命令足夠：
   • >
   驗證安裝：

   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，請考慮VSCODE擴(kuò)展。

   >

   psql --version

   2。數(shù)據(jù)庫連接

   使用PostgreSML控制臺中的連接詳細(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（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。模型評估

   使用pgml.predict進(jìn)行預(yù)測：

   >

   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

   自動部署表現(xiàn)最佳的模型。 對于更精細(xì)的控制，請使用

   ：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)的范圍。首頁具有用于實驗的SQL編輯器。 建立面向消費(fèi)者的ML服務(wù)可能涉及：

   創(chuàng)建一個用戶界面（例如，使用簡化或taipy）。>

   開發(fā)后端（python，node.js）。
   1. 使用
   或
   2. 的庫進(jìn)行數(shù)據(jù)庫交互。
   >
   3. >后端中的預(yù)處理數(shù)據(jù)。psycopg2 在用戶交互時，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?zhí)剿鱃ostgreSML文檔，并考慮Datacamp的SQL課程和AI基礎(chǔ)知識等資源。

   >