Pure SQL Machine Learning Lab · kNN, Naive Bayes และ ML หลายตระกูล

SIX LIVE FAMILIES

ต่าง Algorithm แต่ใช้คำศัพท์เชิงสัมพันธ์ชุดเดียวกัน

กด Run SQL เพื่อรัน Model Pipeline แต่ละแบบบน Server ระบบส่งกลับผลและ SQL ที่ใช้ ขณะที่ Source Row อยู่ภายใน Engine

k-Nearest Neighbors

DISTANCE · TOP-K · VOTE

One-hot และ Normalize แถวข้อมูล คำนวณ Euclidean Distance จัดอันดับเพื่อนบ้านห้ารายการ แล้วรวมคะแนนเสียงด้วย GROUP BY

10,000-row bounded runtime

EXECUTED SQL

Select Run pure SQL.

—

Naive Bayes

PRIOR · LIKELIHOOD · LOG SCORE

นับ Class Prior และ Conditional Likelihood ด้วย Aggregate ใช้ Laplace Smoothing และรวม Log Probability เพื่อป้องกัน Underflow

10,000-row bounded runtime

EXECUTED SQL

Select Run pure SQL.

—

Linear Regression

COVARIANCE · SLOPE · INTERCEPT

สร้าง Model จาก Aggregate Statistics ด้วย regr_slope, regr_intercept และ regr_r2 แล้วทำนายใน Statement เดียว

10,000-row bounded runtime

EXECUTED SQL

Select Run pure SQL.

—

k-means

ASSIGN · CENTROID · REPEAT

ใช้ CROSS JOIN วัดระยะทุก Point–Centroid, Window Function เลือก Cluster และ GROUP BY คำนวณ Centroid รอบถัดไป

10,000-row bounded runtime

EXECUTED SQL

Select Run pure SQL.

—

Association Rules

SUPPORT · CONFIDENCE · LIFT

Self-join รายการใน Basket เดียวกัน แล้วนับความถี่คู่สินค้าเพื่อคำนวณ Support, Confidence และ Lift

10,000-row bounded runtime

EXECUTED SQL

Select Run pure SQL.

—

Statistical Anomaly

MEAN · STANDARD DEVIATION · Z-SCORE

ให้ SQL เรียนค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานจากข้อมูล แล้ว Score และจัดอันดับ Observation ที่ผิดปกติ

10,000-row bounded runtime

EXECUTED SQL

Select Run pure SQL.

—

EMBEDDED EXCEL WORKSHEET

Worksheet ต้นฉบับ ในรูปแบบที่อ่านบนเว็บได้

Workbook ปี 2022 สอน Dataset เดียวกันผ่านมุม Probability และ Distance แท็บด้านล่างรักษาลำดับการเรียนรู้เดิม ดาวน์โหลด Excel เพื่อเปิดดูและแก้สูตรได้

Play Golf · 14 training examples

No.	Outlook	Temperature	Humidity	Windy	Play
1	sunny	hot	high	false	no
2	sunny	hot	high	true	no
3	overcast	hot	high	false	yes
4	rainy	mild	high	false	yes
5	rainy	cool	normal	false	yes
6	rainy	cool	normal	true	no
7	overcast	cool	normal	true	yes
8	sunny	mild	high	false	no
9	sunny	mild	normal	false	yes
10	rainy	mild	normal	false	yes
11	sunny	mild	normal	true	yes
12	overcast	mild	high	true	yes
13	overcast	hot	normal	false	yes
14	rainy	mild	high	true	no

Naive Bayes · rainy, cool, high, true

Class	Prior	P(rainy\|class)	P(cool\|class)	P(high\|class)	P(windy=true\|class)	Original product
yes	9/14	3/9	2/9	3/9	3/9	0.00823
no	5/14	2/5	1/5	4/5	3/5	0.03840

มุมมองใน Workbook

การคูณที่มองเห็นช่วยให้ตาม Conditional Evidence ได้ง่าย

สิ่งที่ปรับใน Web SQL

เพิ่ม Class Prior, Laplace Smoothing และ Log Score เพื่อรองรับค่าที่ไม่เคยพบและ Underflow

kNN · sunny, 0.82, 0.83, not windy · k=5

Neighbor	Distance	Class
1	0.0361	no
8	0.1562	no
9	0.1838	yes
2	1.0026	no
11	1.0108	yes

Vote: no = 3, yes = 2 → prediction = no

ดาวน์โหลด Excel Workbook ต้นฉบับ ↓ดาวน์โหลด SQL Lesson ต้นฉบับ ↓เปิดภาพ Worksheet เต็ม ↗

HOW SQL BECOMES ML

Model คือ Logic ที่เก็บไว้ Learned State หรือทั้งสองอย่าง

Pure SQL ไม่ได้หมายความว่า Algorithm ทุกชนิดจะเขียนได้สวยหรือ Scale เท่ากัน แต่หมายถึง Transformation ตั้งแต่ Training Row ไปถึง Decision ถูกแสดงและรันภายใน Data Engine

TABLEtraining rows

CTE / VIEWfeature contract

AGGREGATElearned statistics

WINDOW / JOINcompare and rank

RELATIONprediction + evidence

Pure SQL แข็งแรงตรงไหน และต้องตรงไปตรงมาตรงไหน

เหมาะกับ Transparent Baseline, Tabular Problem ขนาดเล็กถึงกลาง, Governed Data และการสอนกลไก Algorithm
kNN แพงตอน Score เพราะแบบตรงไปตรงมาต้องเทียบ Query Row กับ Training Row ทุกแถว
Iterative Method ต้องใช้ Bounded Recursion, Procedure หรือ Unrolled Step และต้องวัด Convergence
Deep Neural Network, GPU Training และ Automatic Differentiation ซับซ้อนไม่ใช่เป้าหมายที่เหมาะกับ Hand-written SQL

RELATED LESSONS

ใช้ Pure SQL เพื่อเข้าใจ แล้วใช้ Platform เพื่อดำเนินงานจริง

ต่อด้วย Declarative ML เพื่อเห็น Ecosystem, MADlib เพื่อใช้ In-database Algorithm ที่มีวุฒิภาวะ และ DuckDB × ClickHouse เพื่อเปรียบเทียบ Execution Boundary

NEXT PURE SQL LAB

เปลี่ยนความสัมพันธ์ให้เป็น Recommendation ที่จัดอันดับแล้ว

ต่อด้วยระบบแนะนำเจ็ดวิธีผ่าน SQL ล้วน ตั้งแต่ Popularity, Graph Co-occurrence, Collaborative Filtering ไปถึง Content, Time-decay และ Hybrid Ranking