什么是Mindsdb？
当今大多数企业都利用机器学习来为他们的决策提供动力。从推荐系统到优化的运输路线再到客户情绪分析，公司现在都将机器学习和人工智能纳入了业务的各个方面。公司生成的数据是所有这些ML算法和模型的骨干。用于准备机器学习模型的处理和处理数据可能是昂贵且繁琐的。这是Mindsdb进入图片的地方。 MindSDB将机器学习带入数据库，使您能够利用存储在数据库中的数据上的机器学习技术。在MindSDB的帮助下，您可以在数据库中直接创建，训练和优化ML模型，而无需其他平台使机器学习更加易于访问和高效。
â！在本教程中我们将学习什么？
ð第1部分：设置要求
首先，我们将准备我们的设置，这对于开始使用MindSDB和Mongoapi进行预测至关重要。
- 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中创建和训练ML模型。在本教程中，我们将使用this dataset预测阿姆斯特丹的住房价格。
- 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
我们将简要解释本节，以便我们可以继续进行预测。有关更详细的说明，请参考this article。
ð下载mongodb和mongodb指南针
要开始，我们必须同时在系统中安装和工作MongoDB Community Edition和MongoDB指南针。
成功下载了MongoDB和MongoDB指南针后，我们可以转到下一步。
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。现在让我们转到教程的第二部分。
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: "HousingDB", // database name
engine: "mongodb", // databaase 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.housing_price_predictor
FROM files
(SELECT * FROM housing)
PREDICT price;
这里的housing_predictor是我们的预测模型的名称，价格是我们要预测的目标价值。我们想预测考虑所有其他属性的房价。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:"housing_price_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。