机器学习SQL用户手册 - 数据管理 DMS

产品概述

机器学习SQL提供以SQL的方式训练和预测机器学习模型。利用机器学习SQL，您可以迅速对DMS中已有的数据库数据进行更深入的分析和建模，提升对数据的分析效率，盘活对历史数据的利用率，最终达到以数据驱动产生的目的。

目前机器学习SQL支持的数据库类型有：
- MySQL
目前机器学习SQL支持的机器学习算法有：
- Kmeans 聚类
- Linear regression 回归分析
- Logistic regression 二元分类
- 决策树二元分类
- 随机森林二元分类

机器学习SQL旨在帮助企业降低在机器学习领域的成本。一是人员成本，资深的机器学习算法科学家都比较稀缺，用人成本较高。二是算法科学家与业务人员的沟通成本，懂业务的人员未必能掌握机器学习的算法，但只需要掌握SQL，就能尝试解决部分机器学习场景的问题。

“机器学习SQL”优势
- SQL作为数据访问的常用方式，大多数的工程师都能掌握，降低学习其他语言的成本。
- 减少数据的导出步骤。一般情况下，遇到机器学习的问题，都需要导出数据到专业的平台或工具上才能解决，现在只需在DMS一个环境内就足够了。
- 提升解决问题/做出决策的效率。

入口

“机器学习SQL”第一版在个人版的DMS中上线，你可以通过导航栏的“SQL操作”中看到它：

入门课程

界面介绍
- 1：SQL编辑区。同“SQL窗口”，在这里编辑你想要执行的SQL。
- 2：执行结果区。同“SQL窗口”，在这里可以看到每一句SQL执行的结果。
- 3：机器学习场景区。为了帮助新人快速了解机器学习能解决怎样的场景问题（要记得学会举一反三哦），在这里会不定时丰富场景供用户浏览。
场景介绍
- 按照算法类别进行分类，单击“+”号展开场景，单击“-”号收回。
- 每种算法类别会不定时更新多种场景，双击场景的item标签即可粘贴进SQL编辑区。（如果SQL编辑区是空白的，整个场景粘贴进去后，即可按“执行”或“F8”运行起来看看效果）

使用说明

SQL操作与SQL语法同“跨实SQL查询”窗口，不过在“机器学习SQL”窗口使用本实例就足够了。
如果第一次访问“机器学习SQL”窗口，会自动帮您创建一个本实例的dblink，名字前缀为machine_learning_default_，可以在“跨实例SQL查询”窗口编辑维护。
除以上两点外，“机器学习SQL”窗口主要注意支持的机器学习功能即可——机器学习功能的表现形式为机器学习函数。函数的输入与输出定义、功能说明的内容，请参考“算法函数说明”一节。
右侧的机器学习场景会不定时丰富，您可以在此参考函数是如何使用的。

算法函数说明

算法	Functions	具体说明
聚类	auto_cluster_learn、auto_cluster_predict	自动智能选取最好聚类算法（Plan）
Kmeans	kmeans_learn、kmeans_predict	[Kmeans]
回归	auto_regression_learn、auto_regression_predict	自动智能选取最好的回归算法（Plan）
Linear Regression	regression_learn、regression_predict	[Linear Regression]
0/1分类	auto_binary_classify_learn、auto_binary_classify_predict	自动智能选取最好的二元分类算法（Plan）
Logistic Regression	logistic_learn、logistic_predict	[Logistic Regression]
Decision Tree(classify)	cla_decision_tree_learn、cla_decision_tree_predict	[Decision Tree]
Random Forest	random_forest_learn、random_forest_predict	[Random Forest]

Model Functions

model_explain

格式：string model_explain(model)
输入：

名称	类型	说明
model	VARBINARY	模型

输出：model 的说明、训练结果、效果等。

算法细节

Kmeans

介绍：无监督学习的聚类算法

函数：kmeans_learn

格式：model kmeans_learn (json | string | array feature, int k)
输入：

名称	类型	说明
feature	json	向量特征，只能输入jsonarray。例：`[1,2,3]`、`[3.5,2,5.2]`。
feature	arrary	同上，例：`array[1,2,3]`。
featureJsonStr	string	string表达的jsonarray。
K	int	聚类个数

输出

名称	类型	说明
model	VARBINARY	模型输出

函数：kmeans_predict

格式：int kmeans_predict(model, json | string | array feature)
输入：

名称	类型	说明
feature	json	向量特征，只能输入jsonarray。例：`[1,2,3]`、`[3.5,2,5.2]`。
feature	arrary	同上，例：`array[1,2,3]`。
featureJsonStr	string	string表达的jsonarray。
model	VARBINARY	模型

输出：

名称	类型	说明
result	int	所属的类别

Linear Regression

介绍：线性回归，可预测连续值的输出。

函数：regression_learn

格式：model regression_learn(json | string | array feature, double | int label)
输入：

名称	类型	说明
feature	json	向量特征，只能输入jsonarray。例：`[1,2,3]`、`[3.5,2,5.2]`。
feature	arrary	同上，例：`array[1,2,3]`。
featureJsonStr	string	string表达的jsonarray。
label	int	观测值
label	double	观测值

输出：

名称	类型	说明
model	VARBINARY	模型输出

函数：regression_predict

格式：double regression_predict(model, json | string | array feature)
输入：

名称	类型	说明
feature	json	向量特征，只能输入jsonarray。例：`[1,2,3]`、`[3.5,2,5.2]`。
feature	arrary	同上，例：`array[1,2,3]`。
featureJsonStr	string	string表达的jsonarray。
model	VARBINARY	模型

输出：

名称	类型	说明
result	double	预测值

Logistic Regression

介绍：监督学习算法，用于做0/1分类。

函数：logistic_learn

格式：model logistic_learn(json | string | array feature, double | int label)
输入：

名称	类型	说明
feature	json	向量特征，只能输入jsonarray。例：`[1,2,3]`、`[3.5,2,5.2]`。
feature	arrary	同上，例：`array[1,2,3]`。
featureJsonStr	string	string表达的jsonarray
label	int	观测值，一定要0或者1
label	double	观测值，一定要0或者1

输出：

名称	类型	说明
model	VARBINARY	模型输出

函数：logistic_predict

格式：int logistic_predict(model, json | string | array feature)
输入：

名称	类型	说明
feature	json	向量特征，只能输入jsonarray。例：`[1,2,3]`、`[3.5,2,5.2]`。
feature	arrary	同上，例：`array[1,2,3]`。
featureJsonStr	string	string表达的jsonarray
model	VARBINARY	模型

输出：

名称	类型	说明
result	double	预测值，0或者1