全部产品
Search

搜索本产品

    云原生数据库 PolarDB：模型使用流程及说明

    文档中心

    云原生数据库 PolarDB：模型使用流程及说明

    更新时间：Nov 07, 2024

    本文介绍了创建模型、上传模型、模型评估以及模型推理等功能的语法、参数说明及其示例内容。

    PolarDB for AI模型简介

    使用内置模型

    PolarDB for AI内置了两大机器学习模型：NL2SQL大模型和通义千问大模型。您无需进行额外的模型配置，即可使用这个两大机器学习模型提供的PolarDB for AI功能。

    具体请参见：

    构建自定义模型

    在客户的实际业务场景中，模型经过算法调优后，模型结构可能会根据业务效果进行调整，内置的机器学习模型可能无法满足用户的实际业务需求。因此，PolarDB for AI还支持构建自定义模型的功能，并支持将模型运行在机密容器中，进一步保障了客户模型中数据的安全。

    您可按照如下流程构建并使用自定义模型：

    加载外部模型

    此外，基于PolarDB for AI的MLOps能力，您也可以直接将外部训练好的模型上传和部署在PolarDB中，并使用外部模型，如如基于Sklearn框架的LightGBM、GBDT，或者基于TensorFlow/PyTorch框架下的深度学习算法等。

    您可按照如下流程加载外部模型：

    创建模型

    创建一个机器学习模型。机器学习模型的训练过程是异步的，需要通过查询模型状态来判断该模型是否训练完成。

    语法说明

    CREATE MODEL model_name WITH ( model_class = '', x_cols = '', y_cols='',model_parameter=()) AS (SELECT select_expr [, select_expr] ... FROM table_reference)

    参数说明

    参数

    说明

    model_name

    模型名称。

    model_class

    模型的类型。取值如下：

    x_cols

    模型训练输入列。

    说明

    多个列名之间使用英文逗号（,）分隔。

    y_cols

    模型训练输出列。

    model_parameter

    模型训练参数。

    • 当model_class值为lightgbm时，model_parameter取值请参见参数说明。

    • 当model_class值为deepfm时，model_parameter取值请参见参数说明。

    • 当model_class值为kmeans时，model_parameter取值请参见参数说明。

    • 当model_class值为randomforestreg时，model_parameter取值请参见参数说明。

    • 当model_class值为gbrt时，model_parameter取值请参见参数说明。

    • 当model_class值为linearreg时，model_parameter取值请参见参数说明。

    • 当model_class值为svr时，model_parameter取值请参见参数说明。

    • 当model_class值为bst时，model_parameter取值请参见参数说明。

    select_expr

    列名。

    table_reference

    表名。

    示例

    创建airlines_gbm模型。

    /*polar4ai*/CREATE MODEL airlines_gbm WITH (model_class='lightgbm', x_cols ='Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length', y_cols='Delay',model_parameter=(boosting_type='gbdt', n_estimators=100, max_depth=8, num_leaves=256)) as (SELECT * FROM db4ai.airlines_train)

    执行结果如下：

    Query OK, 0 rows affected (0.79 sec)

    上传模型

    PolarDB for AI支持上传自定义机器学习模型，您可以将离线训练好的模型上传至PolarDB for AI，后续可以借助该平台来管理上传的模型。PolarDB for AI支持的模型格式有PMML、ONNX、Checkpoint（适用于Tensorflow、PyTorch平台）。

    语法说明

    UPLOAD MODEL model_name WITH (model_location = '', req_location = '')

    参数说明

    参数

    说明

    model_name

    模型名称。

    model_location

    模型文件地址。

    req_location

    模型运行依赖的文件地址。

    示例

    将创建好的模型my_model上传至PolarDB for AI平台。

    /*polar4ai*/UPLOAD MODEL my_model WITH (model_location='https://xxxx.oss-cn-hangzhou.aliyuncs.com/xxxx/model.pkl?Expires=xxxx&OSSAccessKeyId=xxxx&Signature=xxxx', req_location='https://xxxx.oss-cn-hangzhou.aliyuncs.com/xxxx/requirements.txt?Expires=xxxx&OSSAccessKeyId=xxxx&Signature=xxxx');

    返回结果如下：

    Query OK, 0 rows affected (0.29 sec)

    执行以下命令，查看模型状态。

    /*polar4ai*/ SHOW MODEL my_model;

    返回结果如下：

    +-------------+-----------------------------------------------------------------------------------------------------------------------------+
| modelStatus | modelPath                                                                                                                   |
+-------------+-----------------------------------------------------------------------------------------------------------------------------+
| saved       | http://db4ai-collie-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/xxxxx.pkl?OSSAccessKeyId=xxxxxx&Expires=xxxx&Signature=xxxxxx  |
+-------------+-----------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.23 sec)

    modelStatus显示为saved，即表示模型上传成功。

    部署模型

    您可以将上传后的模型部署在PolarDB for AI平台上，部署成功后，模型为在线状态，后续调用模型进行模型推理时，速度会更快。

    语法说明

    DEPLOY MODEL model_name

    参数说明

    参数

    说明

    model_name

    模型名称。

    示例

    将模型my_model部署在PolarDB for AI平台。

    /*polar4ai*/ DEPLOY MODEL my_model;

    返回结果如下：

    Query OK, 0 rows affected (0.29 sec)

    执行如下命令，查看模型状态：

    /*polar4ai*/ SHOW MODEL my_model;

    返回结果如下：

    +-------------+-----------------------------------------------------------------------------------------------------------------------------+
| modelStatus | modelPath                                                                                                                   |
+-------------+-----------------------------------------------------------------------------------------------------------------------------+
| serving     | http://db4ai-collie-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/xxxxx.pkl?OSSAccessKeyId=xxxxxx&Expires=xxxx&Signature=xxxxxx  |
+-------------+-----------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.23 sec)

    modelStatus显示为serving，表示模型部署成功。

    查看模型

    查看模型列表

    查看当前集群下的所有模型。

    语法说明

    SHOW MODELS

    示例

    /*polar4ai*/SHOW MODELS

    执行结果如下：

    +-----------------------+-----------------+--------------+
| model_name            | model_class     | model_status |
+-----------------------+-----------------+--------------+
| airline_rfr           | randomforestreg | saved        |
| gbrt1                 | gbrt            | saved        |
| airline_deepfm        | deepfm          | saved        |
| airlines_gbm          | lightgbm        | saved        |
| lgbm1                 | lightgbm        | saved        |
| blackfriday_linearreg | linearreg       | saved        |
+-----------------------+-----------------+--------------+
6 rows in set (0.24 sec)

    查看模型状态

    查看模型的当前状态。创建模型之后使用该语法来查看模型是否训练完成。模型状态主要有以下几种：

    • training：模型训练中。

    • loading_data：模型在加载数据中。

    • trained：模型已经完成训练。

    • saved：模型已经被保存。

    • serving：模型正在服务中。

    • deleted：模型已经被删除。

    语法说明

    SHOW MODEL model_name

    参数说明

    参数

    说明

    model_name

    模型名称。

    示例

    查看airlines_gbm模型的当前状态。

    /*polar4ai*/SHOW MODEL airlines_gbm;

    执行结果如下：

    +-------------+-----------------------------------------------------------------------------------------------------------------------------+
| modelStatus | modelPath                                                                                                                   |
+-------------+-----------------------------------------------------------------------------------------------------------------------------+
| saved       | http://db4ai-collie-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/xxxxx.pkl?OSSAccessKeyId=xxxxxx&Expires=xxxx&Signature=xxxxxx  |
+-------------+-----------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.23 sec)
    说明

    modelPath的有效时间为100分钟，您可以通过modelPath中的Expires参数查看链接是否在有效期内。如果您需要访问该链接，请在有效期内进行访问。

    查看模型详情

    语法说明

    DESCRIBE MODEL model_name

    参数说明

    参数

    说明

    model_name

    模型名称。

    示例

    查看airlines_gbm模型的详细信息。

    /*polar4ai*/DESCRIBE MODEL airlines_gbm;

    执行结果如下：

    +-------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| model_name        | model_description                                                                                                                                                                                                                                                                 |
+-------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| airlines_gbm      | basic information:model_name:airlines_gbm model_class:lightgbm feature important:features,imp_gain,imp_splitAirline,0.3327,0.0376 AirportFrom,0.2178,0.1842 Time,0.1893,0.1999 AirportTo,0.1668,0.187 DayOfWeek,0.0384,0.1236 Length,0.0307,0.1269 Flight,0.0242,0.1408           |
+-------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.65 sec)

    模型评估

    评估已经训练好的模型的效果。

    语法说明

    SELECT select_expr [, select_expr] ... FROM EVALUATE (MODEL model_name, SELECT select_expr_for_prediction [, select_expr_for_prediction] ... FROM table_reference ) WITH (x_cols = '', y_cols='', metrics='')

    参数说明

    参数

    说明

    select_expr

    模型评估结果中展示的列名。

    model_name

    模型名称。

    select_expr_for_prediction

    用于进行模型评估的列名。

    table_reference

    表名。

    x_cols

    模型训练输入列。多个列名之间使用英文逗号（,）分隔。

    y_cols

    模型训练输出列。

    metrics

    模型评估指标。取值如下：

    • acc：准确率，适用于分类任务。

    • r2_score：决定系数，适用于回归任务。

    • ks：ks值，表示模型能将正负样本区分出来的程度，适用于分类任务。

    • auc：auc值，表示ROC曲线与坐标轴围成的面积，适用于分类任务。

    • Fscore：F-score，精确率和召回率的调和平均数，适用于分类任务。

    示例

    1. 使用已经训练完成的airlines_gbm模型进行模型评估。

      /*polar4ai*/SELECT Delay FROM evaluate(MODEL airlines_gbm, SELECT * FROM db4ai.airlines_test) WITH (x_cols = 'Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length', y_cols='Delay', metrics='acc');

      执行结果如下：

      +--------------------------------------+
| task_id                              |
+--------------------------------------+
| df05244e-21f7-11ed-be66-xxxxxxxxxxxx |
+--------------------------------------+
1 row in set (0.95 sec)

    2. 执行如下命令，查看任务状态。

      /*polar4ai*/SHOW TASK `df05244e-21f7-11ed-be66-xxxxxxxxxxxx`;

      执行结果如下：

      +------------+----------------------------------------------------------------------------------------------------------------------------------------------------+-----------------+----------------------------+----------------------------+
| taskStatus | filePath                                                                                                                                           | results         | startTime                  | endTime                    |
+------------+----------------------------------------------------------------------------------------------------------------------------------------------------+-----------------+----------------------------+----------------------------+
| finish     | http://db4ai-collie-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/pc-xxxxxxx/airlines_gbm/xxxxx.csv?OSSAccessKeyId=xxxxxx&Expires=xxxx&Signature=xxxxxx | {"acc": 0.6694} | 2022-08-22 17:22:21.122101 | 2022-08-22 17:22:39.428811 |
+------------+----------------------------------------------------------------------------------------------------------------------------------------------------+-----------------+----------------------------+----------------------------+
1 row in set (0.24 sec)
      说明

      filePath的有效时间为100分钟，您可以通过filePath中的Expires参数查看链接是否在有效期内。如果您需要访问该链接，请在有效期内进行访问。

    模型推理

    使用已经训练好的模型进行在线推理或离线推理。

    语法说明

    SELECT select_expr [, select_expr] ... FROM PREDICT (MODEL model_name, SELECT select_expr_for_prediction [, select_expr_for_prediction] ... FROM table_reference LIMIT row_count) WITH (x_cols= '')

    参数说明

    参数

    说明

    select_expr

    模型推理结果中展示的列名。

    model_name

    模型名称。

    select_expr_for_prediction

    模型推理时使用的列名。

    table_reference

    表名。

    mode

    模式。填写async时，表示离线推理；不填时表示在线推理。

    row_count

    推理的样本数量。

    x_cols

    模型训练输入列。多个列名之间使用英文逗号（,）分隔。

    示例

    • 在线推理。

      使用已经创建好的模型airlines_gbm进行在线推理。

      /*polar4ai*/SELECT Delay FROM PREDICT(MODEL airlines_gbm, SELECT * FROM db4ai.airlines_test LIMIT 10) WITH (x_cols = 'Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length', y_cols='Delay');

      执行结果如下：

      +-------+-------------------+
| Delay | predicted_results |
+-------+-------------------+
|     1 | 0                 |
|     0 | 0                 |
|     0 | 0                 |
|     0 | 0                 |
|     0 | 0                 |
|     0 | 0                 |
|     1 | 0                 |
|     0 | 0                 |
|     0 | 0                 |
|     1 | 0                 |
+-------+-------------------+
10 rows in set (0.74 sec)

    • 离线推理。

      当推理样本数量大于1000时，PolarDB for AI会提示您采用离线任务：

      ERROR 9050 (HY000): Please limit the SQL selected data length to less than '1000' or convert to offline prediction

      创建离线任务如下：

      /*polar4ai*/SELECT Delay FROM predict(MODEL airlines_gbm, SELECT * FROM db4ai.airlines_test) WITH (x_cols = 'Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length', y_cols='Delay', mode='async');

      执行结果如下：

      +--------------------------------------+
| task_id                              |
+--------------------------------------+
| bd0c1722-21e7-11ed-94a8-xxxxxxxxxxxx |
+--------------------------------------+
1 row in set (0.75 sec)

      以上查询结果返回该任务的task_id，您可以通过该任务ID查询任务状态以及对应结果的下载地址。

      /*polar4ai*/SHOW TASK `bd0c1722-21e7-11ed-94a8-xxxxxxxxxxxx`

      执行结果如下：

      +------------+----------------------------------------------------------------------------------------------------------------------------------------------------+-----------------+----------------------------+----------------------------+
| taskStatus | filePath                                                                                                                                           | results         | startTime                  | endTime                    |
+------------+----------------------------------------------------------------------------------------------------------------------------------------------------+-----------------+----------------------------+----------------------------+
| finish     | http://db4ai-collie-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/pc-xxxxxxx/airlines_gbm/xxxxx.csv?OSSAccessKeyId=xxxxxx&Expires=xxxx&Signature=xxxxxx |                 | 2022-08-22 14:57:51.355240 | 2022-08-22 14:58:18.316818 |
+------------+----------------------------------------------------------------------------------------------------------------------------------------------------+-----------------+----------------------------+----------------------------+
1 row in set (0.24 sec)
      说明

      filePath的有效时间为100分钟，您可以通过filePath中的Expires参数查看链接是否在有效期内。如果您需要访问该链接，请在有效期内进行访问。

    离线评估与离线推理任务

    查看离线任务列表

    查看当前集群下的所有离线任务。

    说明

    离线任务是指运行时间长，且无法实时获取结果的批处理任务，任务类型包括离线评估和离线推理两种类型。

    语法说明

    SHOW TASKS

    示例

    执行以下命令，查看当前集群下的所有离线任务。

    /*polar4ai*/SHOW TASKS;

    执行结果如下：

    +--------------------------------------+------------+-------------+----------------------------+----------------------------+
| task_id                              | task_type  | task_status | start_timestr              | end_timestr                |
+--------------------------------------+------------+-------------+----------------------------+----------------------------+
| 2cba0c74-1f8f-11ed-934a-xxxxxxxxxxxx | prediction | finish      | 2022-08-19 15:18:51.206829 |                            |
| 77b3a186-1f94-11ed-8eaa-xxxxxxxxxxxx | evaluation | finish      | 2022-08-19 15:56:44.465594 |                            |
| 972547a4-1fa3-11ed-9c6b-xxxxxxxxxxxx | evaluation | finish      | 2022-08-19 17:44:59.790353 | 2022-08-19 17:45:23.750100 |
| bd0c1722-21e7-11ed-94a8-xxxxxxxxxxxx | prediction | finish      | 2022-08-22 14:57:51.355240 | 2022-08-22 14:58:18.316818 |
| df05244e-21f7-11ed-be66-xxxxxxxxxxxx | evaluation | finish      | 2022-08-22 16:53:20.381577 | 2022-08-22 16:53:37.189953 |
| ec956db8-21fb-11ed-8400-xxxxxxxxxxxx | evaluation | finish      | 2022-08-22 17:22:21.122101 | 2022-08-22 17:22:39.428811 |
+--------------------------------------+------------+-------------+----------------------------+----------------------------+
9 rows in set (0.18 sec)

    查看离线任务状态

    查看离线任务的当前状态。任务状态主要有以下几种：

    • init：任务初始化。

    • running：任务执行中。

    • finish：任务完成。

    • fail：任务失败。

    语法说明

    SHOW TASK `task_id`

    参数说明

    参数

    说明

    task_id

    任务ID。

    示例

    查看任务ID为df05244e-21f7-11ed-be66-xxxxxxxxxxxx的任务状态。

    /*polar4ai*/SHOW TASK `df05244e-21f7-11ed-be66-xxxxxxxxxxxx`

    执行结果如下：

    +------------+----------------------------------------------------------------------------------------------------------------------------------------------------+-----------------+----------------------------+----------------------------+
| taskStatus | filePath                                                                                                                                           | results         | startTime                  | endTime                    |
+------------+----------------------------------------------------------------------------------------------------------------------------------------------------+-----------------+----------------------------+----------------------------+
| finish     | http://db4ai-collie-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/pc-xxxxxxx/airlines_gbm/xxxxx.csv?OSSAccessKeyId=xxxxxx&Expires=xxxx&Signature=xxxxxx | {"acc": 0.6694} | 2022-08-22 17:22:21.122101 | 2022-08-22 17:22:39.428811 |
+------------+----------------------------------------------------------------------------------------------------------------------------------------------------+-----------------+----------------------------+----------------------------+
1 row in set (0.24 sec)
    说明

    filePath的有效时间为100分钟，您可以通过filePath中的Expires参数查看链接是否在有效期内。如果您需要访问该链接，请在有效期内进行访问。

    删除模型

    当模型不再使用时，使用该语法删除已经创建的模型。

    语法说明

    DROP MODEL model_name

    参数说明

    参数

    说明

    model_name

    模型名称。

    示例

    删除airlines_gbm模型。

    /*polar4ai*/DROP MODEL airlines_gbm

    执行结果显示类似如下内容，表示已成功删除airlines_gbm模型：

    Query OK, 0 rows affected (0.57 sec)

    自定义模型最佳实践

    接下来，我们将通过一个示例，带您了解自定义模型管理的完整链路。本最佳实践以模型的离线训练和在线推理为例进行介绍。

    1. 离线训练模型。

      以LightGBM算法为例，离线训练脚本如下：

      # coding: utf-8
from pathlib import Path

import pandas as pd
from sklearn.metrics import mean_squared_error

import lightgbm as lgb
import joblib

def train_model():
    print('Loading data...')
    # load or create your dataset
    df_train = pd.read_csv('regression.train', header=None, sep='\t')
    df_test = pd.read_csv('regression.test', header=None, sep='\t')

    y_train = df_train[0]
    y_test = df_test[0]
    X_train = df_train.drop(0, axis=1)
    X_test = df_test.drop(0, axis=1)

    # create dataset for lightgbm
    lgb_train = lgb.Dataset(X_train, y_train)
    lgb_eval = lgb.Dataset(X_test, y_test, reference=lgb_train)


    # specify your configurations as a dict
    params = {
        'boosting_type': 'gbdt',
        'objective': 'regression',
        'metric': {'l2', 'l1'},
        'num_leaves': 31,
        'learning_rate': 0.05,
        'feature_fraction': 0.9,
        'bagging_fraction': 0.8,
        'bagging_freq': 5,
        'verbose': 0
    }

    print('Starting training...')
    # train
    gbm = lgb.train(params,
                    lgb_train,
                    num_boost_round=20,
                    valid_sets=lgb_eval,
                    callbacks=[lgb.early_stopping(stopping_rounds=5)])


    print('Saving model...')
    # save model to file
    # gbm.save_model('model.txt')
    joblib.dump(gbm, 'lgb.pkl')

    print('Starting predicting...')
    # predict
    y_pred = gbm.predict(X_test, num_iteration=gbm.best_iteration)
    # eval
    rmse_test = mean_squared_error(y_test, y_pred) ** 0.5
    print(f'The RMSE of prediction is: {rmse_test}')

      其中，模型文件导出为pkl格式，并且调用predict方法返回推理结果，同时还需要提供模型运行依赖的python文件。

      文件requirements.txt内容示例如下：

      lightgbm==3.3.3

    2. 上传模型。

      1. 执行以下命令，将模型上传至PolarDB for AI。

        /*polar4ai*/UPLOAD MODEL my_model WITH (model_location='https://xxxx.oss-cn-hangzhou.aliyuncs.com/xxxx/model.pkl?Expires=xxxx&OSSAccessKeyId=xxxx&Signature=xxxx', req_location='https://xxxx.oss-cn-hangzhou.aliyuncs.com/xxxx/requirements.txt?Expires=xxxx&OSSAccessKeyId=xxxx&Signature=xxxx')

        其中，model_location和req_location分别表示模型文件地址以及模型运行时所依赖的文件地址，您可以将这两个文件提前准备好，并上传至自己的私有oss bucket，再通过以上命令上传至PolarDB for AI平台。

        返回结果如下：

        Query OK, 0 rows affected (0.29 sec)

      2. 执行以下命令，查看模型状态。

        /*polar4ai*/ SHOW my_model;

        返回结果如下：

        +-------------+-----------------------------------------------------------------------------------------------------------------------------+
| modelStatus | modelPath                                                                                                                   |
+-------------+-----------------------------------------------------------------------------------------------------------------------------+
| saved       | http://db4ai-collie-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/xxxxx.pkl?OSSAccessKeyId=xxxxxx&Expires=xxxx&Signature=xxxxxx  |
+-------------+-----------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.23 sec)

        modelStatus显示为saved，表示模型上传成功。

    3. 部署模型。

      1. 执行以下命令，将模型部署在PolarDB for AI上。

        /*polar4ai*/ DEPLOY MODEL my_model;

        返回结果如下：

        Query OK, 0 rows affected (0.29 sec)

      2. 执行以下命令，查看模型状态。

        /*polar4ai*/ SHOW MODEL my_model;

        返回结果如下：

        +-------------+-----------------------------------------------------------------------------------------------------------------------------+
| modelStatus | modelPath                                                                                                                   |
+-------------+-----------------------------------------------------------------------------------------------------------------------------+
| serving     | http://db4ai-collie-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/xxxxx.pkl?OSSAccessKeyId=xxxxxx&Expires=xxxx&Signature=xxxxxx  |
+-------------+-----------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.23 sec)

        modelStatus显示为serving，表示模型部署成功。

    4. 模型在线推理。

      执行以下命令，执行模型在线推理任务。

      /*polar4ai*/ SELECT Y FROM PREDICT(MODEL my_model, SELECT * FROM db4ai.regression_test LIMIT 10) WITH (x_cols = 'x1,x2,x3,x4,x5,x6,x7,x8,x9,x10,x11,x12,x13,x14,x15,x16,x17,x18,x19,x20,x21,x22,x23,x24,x25,x26,x27,x28', y_cols='');

      返回结果如下：

      +------+---------------------+
| Y    | predicted_results   |
+------+---------------------+
|  1.0 | 0.6262147669037363  |
|  0.0 | 0.5082804008241021  |
|  0.0 | 0.37533158372209957 |
|  1.0 | 0.461974928099089   |
|  0.0 | 0.3777339456553666  |
|  0.0 | 0.35045096227525735 |
|  0.0 | 0.4178165504012342  |
|  1.0 | 0.40869795422774036 |
|  1.0 | 0.6826481286570045  |
|  0.0 | 0.47021259543154736 |
+------+---------------------+
10 rows in set (0.95 sec)