云原生数据库 PolarDB：特征管理

适用场景

从原始数据直接构建机器学习模型往往比较困难。机器学习模型的输入一般会先对原始数据进行处理或计算，得到新的数据。原始数据和已加工的数据则作为特征。

例如，如果我们有一个数据集，其中包含了关于房屋的信息，比如面积、卧室数量、地理位置、建造年份等，那么每一项信息都可以被视为一个特征。

特征的选择和准备对于构建有效的机器学习模型至关重要。良好的特征可以大幅提高模型的性能，而不相关或冗余的特征可能会干扰模型的学习过程，导致性能下降。

特征工程可能包括选择最相关的特征、将原始数据转换为更适合机器学习算法的格式、创建从原始数据派生的新特征等。

以下是一些常见的特征使用场景：

• 分类问题：

  • 邮件分类：使用邮件内容的单词和短语作为特征来识别垃圾邮件。

  • 图片识别：使用像素值、颜色、纹理、形状等特征来进行图像分类。

  • 客户流失预测：使用客户历史交易数据、活跃度、购买频率等特征来预测客户是否会流失。

• 回归问题：

  • 房价预测：使用房屋的位置、面积、房龄、周边设施等特征来预测房价。

  • 股票价格预测：使用历史价格、交易量、经济指标等特征来预测未来股价。

• 聚类问题：

  • 市场细分：使用顾客的购买历史、偏好、人口统计信息等特征进行客户分群。

  • 社交网络分析：使用用户的社交活动数据、连接性等特征来发现社交网络中的群体。

• 推荐系统：

  • 电影推荐：使用用户的观看历史、评分、电影的类型、演员等特征来推荐电影。

  • 商品推荐：使用用户的购买历史、浏览行为、产品属性等特征来推荐商品。

• 时间序列分析：

  • 天气预测：使用历史天气数据、日期、节气等特征来预测未来的天气状况。

  • 财务预测：使用公司的财务报表数据、市场趋势等特征来预测财务状况。

• 异常检测：

  • 信用卡欺诈检测：使用交易的时间、地点、金额等特征来识别异常交易。

  • 网络安全：使用网络流量数据、连接类型、流量大小等特征来检测网络攻击。

• 自然语言处理（NLP）：

  • 情感分析：使用单词、短语、句子结构等特征来分析文本的情感倾向。

  • 机器翻译：使用单词、语法结构、上下文等特征来帮助机器进行语言翻译。

• 计算机视觉：

  • 人脸识别：使用人脸的关键点、轮廓、纹理等特征来识别个人。

  • 对象检测：使用物体的形状、大小、颜色等特征来检测图片中的对象。

特征在各个领域都有着广泛的应用。特征选取和工程化是模型构建过程中非常关键的步骤，它们对模型的性能有着直接的影响。

创建特征

特征的创建过程是异步的，需要通过查询特征的状态来判断当前特征是否创建成功。

语法说明

• 基于数据库中的数据来创建特征。

  CREATE FEATURE feature_name WITH (feature_class= '',parameters=()) AS (SELECT select_expr[, select_expr] ... FROM table_reference)

• 基于已有的特征来创建新的特征。

  CREATE FEATURE feature_name WITH (feature_class = '',parameters=()) USING FEATURE feature_reference

参数说明

示例

• 基于数据库中的数据来创建特征。

  /*polar4ai*/create feature test_graph_1 with (feature_class='graph') as (select ip, user_id from small_sample limit 30)

  执行结果如下：

  Query OK, 0 rows affected (0.79 sec)

• 基于已有的特征来创建新的特征。

  /*polar4ai*/create feature test_subgraph_1 with (feature_class='connected_subgraph') using feature test_graph_1

  执行结果如下：

  Query OK, 0 rows affected (0.79 sec)

更新特征

更新特征的过程是异步的，需要通过查询特征状态来判断当前特征是否更新完成。

语法说明

UPDATE FEATURE feature_name WITH (feature_class = '',parameters=()) AS (SELECT select_expr [, select_expr] ... FROM table_reference)

参数说明

示例

将特征test_subgraph_1的列修改为small_sample表中的ip和user_id列。

/*polar4ai*/update feature test_graph_1 with (feature_class='graph') as (select ip, user_id from small_sample limit 30)

执行结果如下：

Query OK, 0 rows affected (0.79 sec)

查看特征状态

语法说明

SHOW FEATURE feature_name 

参数说明

示例

/*polar4ai*/show feature test_subgraph_1;

+-----------+-------------------------------------------------------------------------------------------------------------------------------+
| CSGStatus | featurePath                                                                                                                   |
+-----------+-------------------------------------------------------------------------------------------------------------------------------+
| FINISHED  | http://db4ai-collie-cn-hangzhou-dataset.oss-cn-hangzhou.aliyuncs.com/xxxx.txt?OSSAccessKeyId=xxxx&Expires=xxxx&Signature=xxxx |
+-----------+-------------------------------------------------------------------------------------------------------------------------------+

查看特征列表

查看当前集群下的所有特征。

语法说明

SHOW FEATURES

示例

/*polar4ai*/show features;

执行结果如下：

+--------------------+-----------------+----------------+
| feature_class      | feature_name    | feature_status |
+--------------------+-----------------+----------------+
| connected_subgraph | test_subgraph_1 | DELETED        |
| graph              | test_graph_1    | FINISHED       |
+--------------------+-----------------+----------------+
2 rows in set (0.32 sec)

删除特征

删除已经创建的特征。

语法说明

DROP FEATURE feature_name 

参数说明

示例

/*polar4ai*/drop feature test_subgraph_1

Query OK, 0 rows affected (0.69 sec)