什么是Mindsdb？
MindSDB是一种工具，可帮助您在数据库中存储的数据上利用机器学习技术。 MindSDB将机器学习带入数据库中，以减少复杂的工作流程和延长的处理，创建和部署的持续时间。使用MindSDB，您无需其他平台即可构建，训练，优化和部署ML模型。 MindSDB可帮助您从数据库中生成预测和预测，可以在简单查询的帮助下访问。 MindSDB的革命性模型可帮助企业更快，更有效地为公司提供实时价值。
教程将需要什么？
ð第1部分：设置要求
首先，我们将设置所有需要使用Mongoapi的MindSDB功能并进行骰子滚动的所有工具。
- 下载mongodb和mongodb指南针
- 开始使用MindSDB
- 将MindSDB与MongoDB集成
ð第2部分：生成ML模型
我们将看到如何在数据库本身中生成ML模型，并仔细研究此操作所需的查询。在今天的教程中，我们将生成一个ML模型，以使用this dataset进行预测天气。
- 准备数据库
- 创建预测变量模型
- 查询预测变量模型
第1部分：设置要求
ð下载mongodb和mongodb指南针
在本教程中，我们将使用MongoDB和MongoDB指南针与我们的数据库以及MindSDB进行交互。对于任何一个完整的新手来说，MongoDB是一个跨平台NOSQL数据库，用于存储大量数据。 MongoDB不使用表和行，例如传统的关系数据库，而是将数据组织为包含密钥的文档集合：值对。 MongoDB Compass为MongoDB的GUI，因此它只是为用户提供了与数据库进行交互的接口，从而大大简化了初学者的内容。
我们不会深入研究MongoDB的安装。有两个版本的MongoDB，免费的社区版和付费企业版。我们将与社区版合作，因为它足以测试数据库的功能。下载MongoDB的Community Edition并关注installation steps，以确保正确安装。在安装过程中，您还将为您提供下载MongoDB指南针的选项。确保选择复选框，否则您也可以分别下载MongoDB Compass和install it。
成功下载了MongoDB和MongoDB指南针后，我们可以转到下一步。
注意：以前，mongo壳与mongodb捆绑在一起，不需要单独的安装。但是，现在，必须单独下载并分别下载Mongo Shell。
您可以下载Mongo Shell并遵循“安装指南”。确保将MongoDB服务器和Mongo Shell添加到环境变量中，以便可以直接从命令提示符或终端访问它们。
ð从Mindsdb
开始MindSDB为所有用户提供免费的MindSDB云版本，他们可以访问其数据库上的预测。您可以注册免费// MINDSDB云版本//。验证您的电子邮件并登录到您的帐户，您已经准备好了。完成后，您应该看到这样的页面：
如果您愿意，可以选择使用Docker Image或使用PyPI在本地系统上安装MindsDB。但是，我们将在本教程中与Minds DB Cloud合作。
ð将MindSDB与MongoDB集成
MindSDB为我们提供了使用MongoApi与MongoDB集成的能力。我们可以按照给定的步骤来做到这一点。
打开您的MongoDB指南针。在左侧导航面板上，您将有一个新连接的选项。单击该选项，将为您提供连接的详细信息。
在URI部分中输入以下内容：
mongodb://cloud.mindsdb.com/
单击高级连接选项下拉列表。在这里，您的主机将被视为MindSDB云。
在“身份验证”选项中，输入您的MindSDB用户名和密码。然后单击保存并连接，为您的连接提供一个名称，然后选择和颜色。
如果您成功创建了一个连接，则将显示一个类似于此的页面：
在此页面的底部面板中，您将看到Mongo Shell栏，放大并键入以下查询，然后单击Enter。
> use mindsdb
> show collections
如果您得到这样的结果，则表明您已成功地将Mindsdb与MongoDB集成在一起。哇.. !!！那是一项艰巨的任务。但是不用担心，令人兴奋的部分尚未到来。
第2部分：生成ML模型
ð准备数据库
我们将准备我们的数据库，我们可以在其中运行查询并执行预测。在MindSDB云控制台上，单击左导航栏中的最后一个图标。您将看到一个选择数据源页面。我们可以添加各种数据源，但是，对于本教程，我们将使用.csv文件。
转到文件部分，然后单击导入文件。
导入您的CSV文件，并为您的数据库表提供一个名称，其中将存储.csv文件的内容。单击保存并继续。
现在，我们必须保存刚刚在MongoDB数据库上创建的数据库。我们将使用databases.insertone（）命令来执行
要这样做，转到mongo shell并键入以下命令：
db.databases.insertOne({
name: "WeatherDB", // database name
engine: "mongodb", // database engine
connection_args: {
"port": 27017, // default connection port
"host": "mongodb://cloud.mindsdb.com:27017", // connection host
"database": "files" // database connection
}
});
单击Enter时，您必须收到以下答复：
如果您得到了这样的响应，则意味着您的数据集都准备好探索！
ð创建预测变量模型
现在我们的数据库已经准备好，我们可以继续创建我们的第一个预测模型。预测变量模型基本上是一个受过训练的机器学习模型，可用于预测或预测一个称为目标变量或目标值的特定值。
我们使用创建预测命令来创建和训练ML模型。在您的MindSDB控制台中输入以下命令：
CREATE PREDICTOR mindsdb.weather_predictor
FROM files
(SELECT * FROM weather)
PREDICT weather;
这里的weather_predictor是我们的预测模型的名称，天气是我们要预测的目标价值。单击运行或按Shift+Enter运行我们的查询。如果没有打ic，我们将成功完成查询。
就是这样！我们只用几行代码创建并培训了机器学习模型！那是Mindsdb！
的魔力ð查询预测变量模型
我们可以通过在Mongo Shell中键入以下命令来查看我们的机器学习模型规范：
db.predictors.find({name:"weather_predictor"})
当我们按ENTER时，我们将获取预测模型的所有详细信息，例如其状态，准确性，目标值和错误。
现在，我们最终可以查询我们的ML模型以预测特定条目的目标值。
同样的语法是：
SELECT [target_variable], [target_variable]_explain
FROM mindsdb.[predictor_name]
WHERE [column]=[value]
AND [column]=[value];
我们还可以通过Mongo Shell查询ML模型并开始生成预测。
结论：
使用MindSDB，我们在数据库中成功创建并培训了机器学习模型，并解锁了生成数据库预测的能力。您可以访问MindsDB Documentation了解Mindsdb的各种功能。
接下来是什么？
如果您喜欢跟随本教程，请确保Sign Up获取自由MindSDB Cloud帐户并继续探索！您也可以在GitHub上检查它们。