如果不能用Python执行机器学习，那该用什么呢？

- 日理万妓 2022-12-19 08:50 98阅读 0赞

> 全文共3403字，预计学习时长9分钟

![174d676dedfa013c9fb10fd5a9aa5600.png][]

图源：unsplash

长期学习数据科学的人一定知道如何用Python、R和Julia这些语言执行机器学习任务。然而，如果速度很关键，但硬件很有限，或者所在公司仅使用SQL进行预测分析，又该怎么办呢？答案就是——数据库内的机器学习。

本文使用的是Oracle Cloud。它是免费的，你可以注册并创建一个OLTP数据库 (19c版本，有0.2TB的存储空间)。完成之后，下载云钱包并通过SQL Developer或任何其他工具建立连接。这个过程至少要花费10分钟，但操作很简单，所以这里不多做赘述。

下面将使用Oracle机器学习（OML）在著名的Iris数据集中训练一个分类模型。选择它是因为无须任何准备，只需要创建表格并插入数据。

![aa3d565bd2a4fbb844add106560c4aed.png][]

# 数据准备 #

如前所述，要创建一个表格来保存Iris数据集，然后将数据加载到其中。OML要求使用一个列作为行ID（序列），因此要记住：

CREATE SEQUENCE seq_iris;
    CREATE TABLE iris_data(
        iris_id      NUMBER DEFAULT seq_iris.NEXTVAL,
        sepal_length NUMBER,
        sepal_width  NUMBER,
        petal_length NUMBER,
        petal_width  NUMBER,
        species      VARCHAR2(16)
    );

现在可以下载数据并进行加载了：

![77a952328d56e49281f949c2ed7375c8.png][]

当一个模态窗口弹出时，只需提供下载CSV的路径并多次点击Next。SQL开发员无需帮助也能正确完成工作。

![552cc6ba1aef675173bd64a2d4f2a2ad.png][]

![b6c7b9355aa6ad055ada3abda39c855f.png][]

# 模型训练 #

现在可以动手做一些有趣的事情了。训练分类模型可以分解为多个步骤，例如训练/测试分割、模型训练和模型评估，我们从最简单的开始。

**训练/测试分割**

Oracle常用两个视图完成该步骤：一个用于训练数据，一个用于测试数据。可以轻松创建这些神奇PL/SQL：

BEGIN
        EXECUTE IMMEDIATE 
            ‘CREATE OR REPLACE VIEW 
            iris_train_data AS 
            SELECT * FROM iris_data 
            SAMPLE (75) SEED (42)’;
        EXECUTE IMMEDIATE 
            ‘CREATE OR REPLACE VIEW 
            iris_test_data AS 
            SELECT * FROM iris_data 
            MINUS 
            SELECT * FROM iris_train_data’;
    END;
    /

该脚本完成下列两件事：

· 创建一个训练视图-75%的数据 (SAMPLE (75)) 在随机种子42中分割( SEED (42))。

· 创建一个测试视图-区分整个数据集和训练视图

数据储存在叫做iris\_train\_data和iris\_test\_data的视图中，猜猜看它们分别存什么。

SELECT COUNT(*) FROM iris_train_data;
    >>> 111
    SELECT COUNT(*) FROM iris_test_data;
    >>> 39

**模型训练**

模型训练最简单的方法是无须创建额外的设置表格，只执行单一过程的DBMS\_DATA\_MINING包。使用决策树算法来训练模型。方法如下：

DECLARE 
        v_setlstDBMS_DATA_MINING.SETTING_LIST;
    BEGIN
        v_setlst(‘PREP_AUTO’) := ‘ON’;
        v_setlst(‘ALGO_NAME’) :=‘ALGO_DECISION_TREE’;
     
        DBMS_DATA_MINING.CREATE_MODEL2(
            ‘iris_clf_model’,
            ‘CLASSIFICATION’,
            ‘SELECT * FROM iris_train_data’,
            v_setlst,
            ‘iris_id’,
            ‘species’
        );
    END;
    /

CREATE\_MODEL2过程接受多种参数。接着我们对进入的参数进行解释：

· iris\_clf\_model — 只是模型名称，它可以是任何东西。

· CLASSIFICATION — 正在进行的机器学习任务，因某种原因必须大写。

· SELECT \* FROM iris\_train\_data — 指定训练数据存储位置。

· v\_setlst — 模型的上述设置列表。

· iris\_id — 序列类型列的名称(每个值都是唯一的)。

· species — 目标变量的名称(试图预测的东西)

执行这一模块需要一到两秒钟，执行完毕就可以开始计算了!

![79e0fc1d9ea8b8da07c53879197ce7d0.png][]

# 模型评价 #

使用该脚本评估此模型：

BEGIN
        DBMS_DATA_MINING.APPLY(
            ‘iris_clf_model’, 
            ‘iris_test_data’, 
            ‘iris_id’, 
            ‘iris_apply_result’
        );
    END;
    /

它将iris\_clf\_model应用于不可见测试数据iris\_test\_data，并将评估结果存储到iris\_apply\_result表中。

![eff022e45e17637fe22a6e2867551fac.png][]

行数更多(39×3)，但突显了要点。这还不够直观，所以下面以一种稍微不同的方式来展示结果：

DECLARE 
         CURSOR iris_ids IS 
             SELECT DISTINCT(iris_id) iris_id
             FROM iris_apply_result 
             ORDER BY iris_id;
         curr_y      VARCHAR2(16);
         curr_yhat   VARCHAR2(16);
         num_correct INTEGER := 0;
         num_total   INTEGER := 0;
    BEGIN
        FOR r_id IN iris_ids LOOP
            BEGIN
                EXECUTE IMMEDIATE 
                    ‘SELECT species FROM 
                    iris_test_data 
                    WHERE iris_id = ‘ ||r_id.iris_id
                    INTO curr_y;
                EXECUTE IMMEDIATE 
                    ‘SELECT prediction 
                    FROM iris_apply_result 
                    WHERE iris_id = ‘ ||r_id.iris_id || 
                   ‘AND probability = (
                       SELECTMAX(probability) 
                           FROMiris_apply_result 
                           WHERE iris_id = ‘|| r_id.iris_id || 
                       ‘)’ INTO curr_yhat;
            END;
     
            num_total := num_total + 1;
            IF curr_y = curr_yhat THEN 
                num_correct := num_correct +1;
            END IF; 
        END LOOP;
     
        DBMS_OUTPUT.PUT_LINE(‘Num. testcases: ‘ 
            || num_total);
        DBMS_OUTPUT.PUT_LINE(‘Num. correct :‘ 
            || num_correct);
        DBMS_OUTPUT.PUT_LINE(‘Accuracy : ‘ 
            || ROUND((num_correct /num_total), 2));
    END;
    /

确实很多，但上述脚本不能再简化了。下面进行分解：

· CURSOR—得到所有不同的iris\_ids（因为iris\_apply\_results 表中有重复）。

· curr\_y, curr\_yhat, num\_correct, num\_total 是存储每次迭代中的实际种类和预测种类、正确分类数量和测试项总数的变量。

· 对于每个唯一的iris\_id 得到实际种类（来自匹配ID的iris\_test\_data）和预测种类（在 iris\_apply\_results 表中预测概率最高）

· 轻松检查实际值和预测值是否相同——这表明分类是正确的。

· 变量 num\_total 和 num\_correct 在每次迭代中更新。

· 最后，将模型性能打印到控制台。

下面为该脚本输出：

![cc958014383b9aae372b1d0378135cdb.png][]

· 测试集有39个用例

· 39个样本中，正确分类的有37个

· 结果准确率为95%

以上就是模型评估的基本内容。

并不是所有人在工作中都能使用Python，现在，你又掌握了一种解决机器学习任务的方法。

![47b1b079f5dc1c16288cf30ed5c370fb.png][]

**一起分享AI学习与发展的干货**

**欢迎关注全平台AI垂类自媒体 “读芯术”**

![format_png][]

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）

[174d676dedfa013c9fb10fd5a9aa5600.png]: /images/20221120/5f0b0a944e6b4a2eab0df4e6872d4788.png
[aa3d565bd2a4fbb844add106560c4aed.png]: /images/20221120/00866b188b904892bbede0a00de1dd04.png
[77a952328d56e49281f949c2ed7375c8.png]: https://img-blog.csdnimg.cn/img_convert/77a952328d56e49281f949c2ed7375c8.png
[552cc6ba1aef675173bd64a2d4f2a2ad.png]: https://img-blog.csdnimg.cn/img_convert/552cc6ba1aef675173bd64a2d4f2a2ad.png
[b6c7b9355aa6ad055ada3abda39c855f.png]: https://img-blog.csdnimg.cn/img_convert/b6c7b9355aa6ad055ada3abda39c855f.png
[79e0fc1d9ea8b8da07c53879197ce7d0.png]: https://img-blog.csdnimg.cn/img_convert/79e0fc1d9ea8b8da07c53879197ce7d0.png
[eff022e45e17637fe22a6e2867551fac.png]: https://img-blog.csdnimg.cn/img_convert/eff022e45e17637fe22a6e2867551fac.png
[cc958014383b9aae372b1d0378135cdb.png]: https://img-blog.csdnimg.cn/img_convert/cc958014383b9aae372b1d0378135cdb.png
[47b1b079f5dc1c16288cf30ed5c370fb.png]: https://img-blog.csdnimg.cn/img_convert/47b1b079f5dc1c16288cf30ed5c370fb.png
[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91c2VyLWdvbGQtY2RuLnhpdHUuaW8vMjAxOS85LzEwLzE2ZDE5NjEzMjBmMTY5YmM?x-oss-process=image/format,png