AnalyticDB PostgreSQL版通过集成MADlib扩展来实现机器学习。MADlib是一个在PG内核数据库中运行机器学习、图计算模型的开源库。在机器学习方面,MADlib除提供数理统计通用函数/存储过程之外,还提供一系列比较经典的监督/非监督学习算法库。

说明 AnalyticDB PostgreSQL版MADlib机器学习的函数库版本为madlib 1.16,且暂不支持XGBoost、lightGBM、GBDT等函数。

MADlib机器学习模块主要解决以下问题:

  • 分类/回归问题:提供一系列算法如K最近邻、MLP多层感知神经网络、SVM支持向量机、决策树等算法来解决二元分类/回归问题,集成最小二乘法、GLM广义线性回归、逻辑回归、多项式回归等模型来解决回归问题;
  • 聚类问题:提供K-Means算法实现聚类分析;
  • 关联分析:提供Apriori算法实现关联分析,解决如“啤酒与尿布”的关联问题;
  • 时序分析:提供ARIMA自回归移动平均模型预测时间序列数据的未来值;
  • 其他:数据降维如通过PCA主成分分析模型来提炼主因子,文档分类与LDA文档主题建模。

MADlib还集成图计算模型,解决诸如最短路径、PageRank排名、社交网络“谁认识谁,谁与谁更熟悉“等问题。图计算模型相关算法如下表:

类别模型/功能说明
最短路径所有顶点之间最短路径计算所有顶点之间的最短路径并保存到指定结果表,根据结果表查找任意起点到任意终点的最短路径。
给定顶点到其他之间最短路径计算给定顶点到其他顶点之间的最短路径并保存到指定结果表,根据结果表查找给定顶点到任意终点的最短路径。
广度优先搜索广度优先搜索使用广度优先方法查找从给定源顶点可到达的节点。
HITSHITS分数在有向图中找到所有顶点的HITS分数(权威度和中心度)。
网页排名PageRank在有向图中找到所有顶点的PageRank。
弱连通分量弱连通分量查找图的所有弱连接组件。
度量平均路径长度计算图的平均最短路径长度。
紧密度计算图中每个节点的紧密度中心值。
图形直径计算图的直径。
入/出度计算每个顶点的度数(入度/出度)。

机器学习模块的具备以下优点:

  • 易用性好,入门门槛低,掌握SQL即可分析海量数据,让程序员,解决数据分析师轻松编程;
  • 轻量化程度高,面对复杂问题的解决方案选型时选择云原生数据仓库AnalyticDB PostgreSQL版即可,比如既要解决分类问题又要解决社交网络分析等问题时;
  • 计算有弹性,性能有保障,基于云原生数据仓库AnalyticDB PostgreSQL版云原生架构,方便弹性扩展CPU/计算节点等资源。