❝
MindsDB
地址：https://github.com/mindsdb/mindsdb
⭐️：9.7k
语言：Python
官网：https://mindsdb.com/
❞
MindsDB ML-SQL Server 为使用 SQL 的最强大的数据库和数据仓库启用机器学习工作流。它可以满足不同人员的需求：
-
开发人员可以快速将 AI 功能添加到应用程序中。 -
数据科学家可以通过将 ML 模型部署为 AI Table 来简化 MLOps。 -
数据分析师可以轻松地对复杂数据（例如具有高基数的多元时间序列）进行预测，并在 Tableau 等 BI 工具中将其可视化。
MindsDB 通过虚拟 AI 表自动化和抽象机器学习模型。
除了将 ML 模型抽象为数据库中的 AI 表之外，MindsDB 还具有一组独特的功能：
-
轻松对具有高基数的非常复杂的多变量时间序列数据进行预测 -
一种开放的 JSON-AI 语法，用于以声明式方式调整 ML 模型和优化 ML 管道
特性
MindsDB 具有以下不错的特性：
-
自动数据预处理、特征工程和编码 -
分类、回归、时间序列任务 -
无需“传统部署”即 AI 表即可将模型投入生产 -
获取每个预测的 mModels 准确度评分和置信区间 -
将 ML 模型与现有数据连接起来 -
异常检测 -
模型可解释性分析 -
模型训练的 GPU 支持 -
开放 JSON-AI 语法来构建模型并以声明性方式引入您自己的 ML 块
工作流程
要使用 MindsDB，需要将 MindsDB 连接到数据库。使用单个 SQL 语句训练预测器（使 MindsDB 自动从历史数据中学习）或通过 JSON-AI 将我们自己的 ML 模型导入预测器。使用 SQL 语句进行预测（预测器作为虚拟 AI 表公开）。无需部署模型，因为它们已经是数据层的一部分。
大体的流程如下：
在 SQL 中的数据准备
对数据库中的数据进行预处理。SQL 是可用的最强大的数据准备工具之一，借助 MindsDB，可以使用标准 SQL 将数据输入机器学习模型。目前 MindsDB 可以与大多数 SQL 和 NoSQL 数据库以及实时 ML 数据流一起使用。
自动构建和部署 ML 模型
获取我们的数据并使用 SQL 构建准确的预测模型，这一切都无需了解任何编程语言，而且由于我们直接从数据库中提取数据，因此可以立即部署有用的模型。
在 BI 工具中可视化预测
对于数据分析师来说，接下来可以进行预测并创建精美的可视化效果，然后可以在各种场合分享。通过预测性数据驱动的体验实现更好的结果。
将机器学习添加到应用程序
而对于开发者来说，我们获取模型并直接在应用程序或网站中使用它们，直接向客户提供机器学习输出。
使用
要获得 MindsDB，建议使用 Docker 映像或简单地注册一个免费的云帐户。MindsDB 也提供了丰富的文档 https://docs.mindsdb.com/what-is-mindsdb/ ，我们可以参考文档来一步步构建我们的使用。
原文始发于微信公众号（小集）：这款开源工具让机器学习走进数据库
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/215591.html
