本文轉(zhuǎn)載自微信公眾號「活在信息時代」，作者活在信息時代。轉(zhuǎn)載本文請聯(lián)系活在信息時代公眾號。

對于熟悉數(shù)據(jù)庫操作的同學(xué)來說，編寫優(yōu)美的SQL語句，從數(shù)據(jù)庫中想方設(shè)法找出自己需要的數(shù)據(jù)，是常規(guī)操作了。

而對于熟悉機器學(xué)習(xí)的同學(xué)來說，獲取數(shù)據(jù)，對數(shù)據(jù)進行預(yù)處理，建立模型，確定訓(xùn)練集和測試集，用訓(xùn)練好的模型對未來進行一系列的預(yù)測，也是一種常規(guī)操作了。

那么，我們能否將兩種技術(shù)結(jié)合起來呢？我們看到數(shù)據(jù)庫里存儲了數(shù)據(jù)，而進行預(yù)測需要基于以往的數(shù)據(jù)。如果我們通過數(shù)據(jù)庫里現(xiàn)有的數(shù)據(jù)，對于未來的數(shù)據(jù)進行查詢的話，那么是否可行呢？

基于這樣的思路MindsDB就誕生了。

MindsDB是一種將機器學(xué)習(xí)引入現(xiàn)有的SQL數(shù)據(jù)庫的工具，它連接了數(shù)據(jù)與模型。它通過人工智能表（AI-Table）這種方式，將機器學(xué)習(xí)模型集成為數(shù)據(jù)庫中的虛擬表，從而可以創(chuàng)建預(yù)測，并能夠使用簡單的SQL語句進行查詢。幾乎可以立即在數(shù)據(jù)庫中直接進行時間序列、回歸和分類預(yù)測。

隨著信息技術(shù)的發(fā)展，很多行業(yè)慢慢從基于歷史數(shù)據(jù)分析的“發(fā)生了啥和為啥發(fā)生”向機器學(xué)習(xí)預(yù)測模型的“我們預(yù)測會發(fā)生什么和怎樣使其發(fā)生”轉(zhuǎn)變。而MindsDB就是實現(xiàn)這一目標的一個工具。

MindsDB可直接在數(shù)據(jù)庫中進行建模，省去了數(shù)據(jù)處理、搭建機器學(xué)習(xí)模型等頭疼的步驟。對于數(shù)據(jù)分析師、商業(yè)分析師無須了解過多數(shù)據(jù)工程、建模知識，即可開箱使用。

那么，我們來看看MindsDB是怎樣實現(xiàn)這樣的操作的。

比如說我們有一個數(shù)據(jù)表里，存儲一個城市的房價與GDP的數(shù)據(jù)，那么，如果我們想查詢房價和GDP。就可以采用類似于下面的SQL進行查詢：

select gdp, houseprice from city;

那么，我們可以看到gdp與房價可能呈現(xiàn)一個線性的關(guān)系。如果我們想查詢某個GDP值對應(yīng)的房價的話，我們可以寫

select gdp, houseprice from city where gdp=10000;

但是，如果查詢的GDP數(shù)據(jù)并不存在于數(shù)據(jù)庫中怎么辦，那么顯然，是查詢不出來結(jié)果的。

這個時候，人工智能表就出現(xiàn)了。

我們可以先創(chuàng)建一個房價預(yù)測模型：

create predictor mindsdb.price_model from city predict houseprice;

這樣，MindsDB就會在后臺自動創(chuàng)建模型。此時，我們再用這個模型，就可以查詢數(shù)據(jù)庫中沒有的GDP數(shù)據(jù)對應(yīng)的房價預(yù)測值了。

select houseprice from mindsdb.price_model where gpd=20000;

這樣，我們就會獲取到基于歷史數(shù)據(jù)的模型預(yù)測值了。