通过引入原生AI算子，简化操作流程，充分利用数据库优化器、执行器的优化与执行能力，获得高性能的数据库内模型训练能力。更简化的模型训练与预测流程、更高的性能表现，让开发者在更短时间内能更专注于模型的调优与数据分析上，而避免了碎片化的技术栈与冗余的代码实现。
当前版本的DB4AI支持基于SGD算子的逻辑回归(目前支持二分类任务)、线性回归和支持向量机算法(分类任务)，以及基于K-Means算子的Kmeans聚类算法。
关键字解析
表 1 DB4AI语法及关键字
使用指导
使用“CREATE MODEL”语句可以进行模型的创建和训练。
模型训练SQL语句，现有一个数据集为kmeans_2d，该表的数据内容如下：
“”
openGauss=# select * from kmeans_2d;
id | position
----±------------------------------------
1 | {74.5268815685995,88.2141939294524}
2 | {70.9565760521218,98.8114827475511}
3 | {76.2756086327136,23.8387574302033}
4 | {17.8495847294107,81.8449544720352}
5 | {81.2175785354339,57.1677675866522}
6 | {53.97752255667,49.3158342130482}
7 | {93.2475341879763,86.934042100329}
8 | {72.7659293473698,19.7020415100269}
9 | {16.5800288529135,75.7475957670249}
10 | {81.8520747194998,40.3476078575477}
11 | {76.796671198681,86.3827232690528}
12 | {59.9231450678781,90.9907738864422}
13 | {70.161884885747,19.7427458665334}
14 | {11.1269539105706,70.9988166182302}
15 | {80.5005071521737,65.2822235273197}
16 | {54.7030725912191,52.151339428965}
17 | {103.059707058128,80.8419883321039}
18 | {85.3574452036992,14.9910179991275}
19 | {28.6501615960151,76.6922890325077}
20 | {69.7285806713626,49.5416352967732}
(20 rows)
该表的字段position的数据类型为 double precision[].
从kmeans_2d训练集中指定position为特征列，使用kmeans算法，创建并保存模型point_kmeans。
“”
openGauss=# CREATE MODEL point_kmeans USING kmeans FEATURES position FROM kmeans_2d WITH num_centroids=3;
NOTICE: Hyperparameter max_iterations takes value DEFAULT (10)
NOTICE: Hyperparameter num_centroids takes value 3
NOTICE: Hyperparameter tolerance takes value DEFAULT (0.000010)
NOTICE: Hyperparameter batch_size takes value DEFAULT (10)
NOTICE: Hyperparameter num_features takes value DEFAULT (2)
NOTICE: Hyperparameter distance_function takes value DEFAULT (L2_Squared)
NOTICE: Hyperparameter seeding_function takes value DEFAULT (Random++)
NOTICE: Hyperparameter verbose takes value DEFAULT (0)
NOTICE: Hyperparameter seed takes value DEFAULT (0)
MODEL CREATED. PROCESSED 1
上述命令中：
“CREATE MODEL”语句用于模型的训练和保存。
USING关键字指定算法名称。
FEATURES用于指定训练模模型的特征，需根据训练数据表的列名添加。
TARGET指定模型的训练目标，它可以是训练所需数据表的列名，也可以是一个表达式，例如: price > 10000。
WITH用于指定训练模型时的超参数。当超参未被用户进行设置的时候，框架会使用默认数值。
针对不同的算子，框架支持不同的超参组合，见表2。
表 2 算子支持的超参
