อายุน้อย เข้าบ่อย spending score สูง
POSTGRESQL · APACHE MADLIB · TEACHING LAB
ย้ายการคำนวณ
ไปหาข้อมูล
โมเดลสามารถเรียนรู้ในที่ที่ข้อมูลอยู่ เลือก configuration ที่ปลอดภัย ตรวจ SQL ก่อนรัน แล้วให้ PostgreSQL ประมวลผล MADlib ภายในฐานข้อมูล
Connecting…
TRADITIONAL ML
Database↓ exportNetwork↓ transferPython / pandas↓ fitModel
ข้อมูลต้องข้าม process และ network ก่อนเริ่ม train
VS
IN-DATABASE ML
PostgreSQL↓ SQL callApache MADlib↓ in placeModel
การคำนวณอยู่ใกล้ storage และส่งกลับเฉพาะผลลัพธ์ขนาดเล็ก
01 · DATASET EXPLORER
สามคำถาม สามลักษณะข้อมูล
ดูก่อนว่า type, target, feature และตัวอย่างสิบแถวเป็นอย่างไร แล้วค่อยเลือก
02 · SAFE MODEL BUILDER
เลือกเจตนา แล้วให้ระบบประกอบ SQL ที่ปลอดภัย
หน้านี้ไม่ใช่ SQL console ชื่อตาราง คอลัมน์ ฟังก์ชัน และโมเดลทุกชื่อมาจาก whitelist ฝั่ง server
GENERATED SQLเห็นก่อน execute
-- Select a dataset, features and algorithm.This SQL runs the machine learning algorithm inside PostgreSQL.
03 · MODEL EVIDENCE
อ่านผลให้มากกว่าคะแนนเดียว
Coefficient ต้องอ่านพร้อมความไม่แน่นอนและบริบท ส่วน cluster ต้องอ่านทั้ง center และ scale
Train a model to see coefficients, diagnostics, iterations, rows and execution time.
04 · PREDICTION DEMO
เปลี่ยนข้อมูลใหม่ให้เป็น SQL prediction
-- Prediction SQL appears here.—
05 · K-MEANS EXAMPLE
Cluster คือพิกัด ไม่ใช่คำตัดสินว่าใครเป็นคนแบบไหน
วัยทำงาน รายได้และ engagement สมดุล
รายได้สูงกว่า แต่เข้าชมน้อยและ spending score ต่ำกว่า
เพื่อความเสถียร PostgreSQL ควบคุมรอบการวนที่มีขอบเขต ส่วน MADlib คำนวณระยะกำลังสองระหว่างทุกจุดกับ centroid การตีความนี้ใช้เพื่อการสอน งานจริงต้องตรวจ scale ระยะห่าง และบริบทก่อนตั้งชื่อ segment
06 · WHY IN-DATABASE ML?
จำนวนแถวเพิ่ม แต่ข้อมูลที่ส่งกลับยังเล็ก
—Rows processed
—Execution time
—Browser transfer
—Estimated raw export
Traditional approach
SELECT *
FROM madlib_lab.student_performance;Database → network → application → ML library
ข้อมูลทั้ง relation ออกจากขอบเขตฐานข้อมูล
In-database approach
SELECT madlib.logregr_train(...);PostgreSQL → MADlib → model evidence
ส่งคำสั่งขนาดเล็กเข้าไป และรับผลโมเดลขนาดเล็กกลับมา