23、利用 SQL 和机器学习模型进行数据探索

利用 SQL 和机器学习模型进行数据探索

1. 引言

在数据探索领域，结合 SQL 和机器学习模型能够更高效地挖掘数据价值。例如，有如下 SQL 查询：

SELECT *
FROM Students
WHERE ParentsAbroad = T

除了该查询结果集中的元组外，另一个查询可能会返回对应于 Popa Andrei 的新元组。根据模型推测，Jane 可能也会对这个元组感兴趣，因为 Popa Andrei 可能也有较低的 GPA。这个元组是由机器学习模型支持的查询揭示出来的，这使得 Jane 可以研究鼓励父母与孩子留在国内的社会政策。

2. 数据探索方法概述

当用户 U 在关系数据库 D 上提出初始查询 Q 时，系统会返回以下内容：
- 查询 Q 的答案集 A。
- 一组模型 M，其中每个模型 m 能够区分答案集 A 中的元组和用户 U 不想要的元组。
- 一组性能指标结果 R，集合中的元素 r 对应于特定模型 m，并包含该模型的 8 个性能指标值。
- 一组最重要特征集 F，集合中的元素 f 对应于特定模型 m，包含使用排列特征重要性计算出的该模型最重要的特征。

2.1 选定的查询集合

我们关注的查询形式为：Q = πα(σC(T1 ▷◁… ▷◁Tm))，其中 T1 … Tm 是数据库 D 中的表，C 是由原子谓词通过 ∧、∨、¬ 连接而成的选择条件。我们用 T 表示连接操作 T1 ▷◁… ▷◁Tm 的结果，α 是 T 中属性的子集。

一个谓词的形式为