openGauss DB4AI-Query-模型训练和推断

DB4AI-Query：模型训练和推断

openGauss当前版本支持了原生DB4AI能力，通过引入原生AI算子，简化操作流程，充分利用数据库优化器、执行器的优化与执行能力，获得高性能的数据库内模型训练能力。更简化的模型训练与预测流程、更高的性能表现，让开发者在更短时间内能更专注于模型的调优与数据分析上，而避免了碎片化的技术栈与冗余的代码实现。

关键字解析

表 1 DB4AI语法及关键字

	名称	描述
语句	CREATE MODEL	创建模型并进行训练，同时保存模型。
	PREDICT BY	利用已有模型进行推断。
关键字	TARGET	训练/推断任务的目标列名。
	FEATURES	训练/推断任务的数据特征列名。
	MODEL	训练任务的模型名称。

使用指导

1. 本版本支持的算法概述。

   当前版本的DB4AI支持基于SGD算子的逻辑回归（目前支持二分类任务）、线性回归和支持向量机算法（分类任务），以及基于K-Means算子的Kmeans聚类算法。

2. 模型训练语法说明。

   • CREATE MODEL

     使用“CREATE MODEL”语句可以进行模型的创建和训练。模型训练SQL语句，现有一个数据集为kmeans_2d，该表的数据内容如下：

     openGauss=# select * from kmeans_2d;
      id |              position
     ----+-------------------------------------
       1 | {74.5268815685995,88.2141939294524}
       2 | {70.9565760521218,98.8114827475511}
       3 | {76.2756086327136,23.8387574302033}
       4 | {17.8495847294107,81.8449544720352}
       5 | {81.2175785354339,57.1677675866522}
       6 | {53.97752255667,49.3158342130482}
       7 | {93.2475341879763,86.934042100329}
       8 | {72.7659293473698,19.7020415100269}
       9 | {16.5800288529135,75.7475957670249}
      10 | {81.8520747194998,40.3476078575477}
      11 | {76.796671198681,86.3827232690528}
      12 | {59.9231450678781,90.9907738864422}
      13 | {70.161884885747,19.7427458665334}
      14 | {11.1269539105706,70.9988166182302}
      15 | {80.5005071521737,65.2822235273197}
      16 | {54.7030725912191,52.151339428965}
      17 | {103.059707058128,80.8419883321039}
      18 | {85.3574452036992,14.9910179991275}
      19 | {28.6501615960151,76.6922890325077}
      20 | {69.7285806713626,49.5416352967732}
     (20 rows)
     

     该表的字段position的数据类型为 double precision[].

   • 以Kmeans为例，训练一个模型。从kmeans_2d训练集中指定position为特征列，使用kmeans算法，创建并保存模型point_kmeans。

     openGauss=# CREATE MODEL point_kmeans USING kmeans FEATURES position FROM kmeans_2d WITH num_centroids=3;
     NOTICE:  Hyperparameter max_iterations takes value DEFAULT (10)
     NOTICE:  Hyperparameter num_centroids takes value 3
     NOTICE:  Hyperparameter tolerance takes value DEFAULT (0.000010)
     NOTICE:  Hyperparameter batch_size takes value DEFAULT (10)
     NOTICE:  Hyperparameter num_features takes value DEFAULT (2)
     NOTICE:  Hyperparameter distance_function takes value DEFAULT (L2_Squared)
     NOTICE:  Hyperparameter seeding_function takes value DEFAULT (Random++)
     NOTICE:  Hyperparameter verbose takes value DEFAULT (0)
     NOTICE:  Hyperparameter seed takes value DEFAULT (0)
     MODEL CREATED. PROCESSED 1
     

     上述命令中：

     • “CREATE MODEL”语句用于模型的训练和保存。

     • USING关键字指定算法名称。

     • FEATURES用于指定训练模模型的特征，需根据训练数据表的列名添加。

     • TARGET指定模型的训练目标，它可以是训练所需数据表的列名，也可以是一个表达式，例如: price > 10000。

     • WITH用于指定训练模型时的超参数。当超参未被用户进行设置的时候，框架会使用默认数值。

       针对不同的算子，框架支持不同的超参组合：

       表 2 算子支持的超参

       算子	超参
       GD (logistic_regression、linear_regression、svm_classification)