最近在 GitHub 上看到的這個 MindsDB[1] 項目讓我眼前一亮，它可以在數據庫里執行機器學習相關的操作，也就是說，僅用 SQL 就可以構建、訓練、優化和部署機器學習模型，要獲得預測，只需查詢數據和 ML 模型就可以。

MindsDB 通過采用 AI 表的概念將機器學習引入數據庫。AI 表是作為虛擬表存儲在數據庫中的機器學習模型。它們有助于根據數據進行預測。你可以在數據庫中執行時間序列、回歸和分類預測，并通過使用簡單的 SQL 語句查詢 AI 表幾乎立即獲得輸出。

接下來，我們來看一個官方提供的一個簡單示例。

1、申請一個免費的 MindsDB 云賬號，這樣就可以立刻體驗到了。如果你更喜歡本地部署，可以安裝他們的 Docker 版本。

2、從 SQL 客戶端連接到 MindsDB。

3、使用 CREATE DATABASE 連接到數據庫。MindsDB 有一個示例數據庫，可以立即使用。請使用 CREATE DATABASE 語句，如下所示：

CREATE DATABASE example_data
WITH ENGINE = "postgres",
PARAMETERS = { 
  "user": "demo_user",
  "password": "demo_password",
  "host": "3.220.66.106",
  "port": "5432",
  "database": "demo"
};

執行之后可以得到下面的結果：

Query OK, 0 rows affected (3.22 sec)

4、可以使用標準 SQL 來預覽數據，如下圖所示：

5、使用 CREATE PREDICTOR 創建預測器：

CREATE PREDICTOR mindsdb.home_rentals_predictor
FROM example_data
  (SELECT * FROM demo_data.home_rentals)
PREDICT rental_price;

執行后：

Query OK, 0 rows affected (9.79 sec)

6、檢查預測器的狀態：

SELECT status
FROM mindsdb.predictors
WHERE name='home_rentals_predictor';

會得到正在訓練或者已完成的狀態：

+----------+
| status   |
+----------+
| training |
+----------+

或者

+----------+
| status   |
+----------+
| complete |
+----------+

7、執行預測

SELECT 語句允許你基于特征進行預測，其中特征是用于進行預測的輸入變量或輸入列。現在來預測一棟帶兩間浴室的 1000 平方英尺房屋的租金是多少。

SELECT rental_price
FROM mindsdb.home_rentals_predictor
WHERE number_of_bathrooms=2
AND sqft=1000;

得到結果如下：

+--------------+
| rental_price |
+--------------+
| 1130         |
+--------------+

到了這一步，你已經成功地使用 SQL 訓練了一個預測模型并獲得了預測的數據！

特性

1、自動數據預處理、特征工程和編碼

2、分類、回歸、時間序列任務

3、無需“傳統部署”即可將模型投入生產

4、獲取每個預測的模型準確度評分和置信區間

5、可以將 ML 模型與現有數據 Join

6、異常檢測

7、模型可解釋性分析

8、支持 GPU 訓練

支持和以下數據庫集成：

最后的話

僅用 SQL 就可以使用機器學習真的很方便，MindsDB 的技術細節可以訪問官方文檔[2]，如果有幫助請點在看分享給更多的朋友。

參考資料：

[1]MindsDB: https://github.com/mindsdb/mindsdb

[2]文檔: docs.mindsdb.com