:Syntax specification

Introdução

As instruções do RDS SQLFlow permitem treinar, prever e avaliar modelos sem escrever código Python complexo. O RDS SQLFlow analisa automaticamente essas instruções e as converte em programas Python equivalentes, simplificando significativamente o processo de treinamento. A sintaxe do RDS SQLFlow abrange diversos recursos, incluindo:

• Training syntax

• Prediction syntax

• Explanation syntax

• Evaluation syntax

• Optimization syntax

Por exemplo, use o conjunto de dados iris para treinar um algoritmo DNNClassifier do TensorFlow. Nesse conjunto, as quatro primeiras colunas representam características botânicas de cada flor de íris, enquanto a última coluna corresponde ao rótulo que identifica a subespécie.

A instrução simples do RDS SQLFlow abaixo treina um modelo DNNClassifier com duas camadas ocultas, cada uma contendo dez unidades ocultas. Após o treinamento, o modelo é salvo na tabela sqlflow_models.my_dnn_model para previsões subsequentes. O RDS SQLFlow analisa automaticamente essas instruções e as converte em programas Python equivalentes, simplificando significativamente o processo de treinamento.

SELECT * FROM iris.train
TO TRAIN DNNClassifier
WITH model.hidden_units = [10, 10], model.n_classes = 3, train.epoch= 10
COLUMN sepal_length, sepal_width, petal_length, petal_width
LABEL class
INTO sqlflow_models.my_dnn_model;

Sintaxe de treinamento

As instruções de treinamento do RDS SQLFlow são compostas pelas cláusulas SELECT, TRAIN, COLUMN, LABEL e INTO.

SELECT select_expr [, select_expr ...]
FROM table_references
  [WHERE where_condition]
  [LIMIT row_count]
TO TRAIN model_identifier
[WITH
  model_attr_expr [, model_attr_expr ...]
  [, train_attr_expr ...]]
COLUMN column_expr [, column_expr ...]
  | COLUMN column_expr [, column_expr ...] FOR column_name
    [COLUMN column_expr [, column_expr ...] FOR column_name ...]
[LABEL label_expr]
INTO table_references;

Cláusula SELECT

A cláusula SELECT recupera dados de uma tabela específica.

Sintaxe:

SELECT select_expr [, select_expr ...]
FROM table_references
  [WHERE where_condition]
  [LIMIT row_count]

Descrição dos parâmetros:

Exemplo:

Para treinar rapidamente um modelo de classificação binária no conjunto de dados de amostra (iris.train):

SELECT * FROM iris.train
WHERE class = 0 OR class = 1
LIMIT 1000
TO TRAIN ...

Cláusula TRAIN

A cláusula TRAIN define o tipo específico de modelo e seu algoritmo de treinamento.

Sintaxe:

TO TRAIN model_identifier
WITH
  model_attr_expr [, model_attr_expr ...]
  [, train_attr_expr ...]

Descrição dos parâmetros:

Exemplo:

Para treinar um modelo DNNClassifier com duas camadas ocultas, cada uma com dez unidades ocultas, e 10 épocas de treinamento:

SELECT * FROM iris.train
TO TRAIN DNNClassifier
WITH
  model.hidden_units = [10, 10],
  model.n_classes = 3,
  train.epoch = 10
...

Cláusula COLUMN

A cláusula COLUMN especifica os nomes dos campos das características de treinamento e seus métodos opcionais de pré-processamento.

Sintaxe:

COLUMN column_expr [, column_expr ...]
  | COLUMN column_expr [, column_expr ...] FOR column_name
    [COLUMN column_expr [, column_expr ...] FOR column_name ...]

Descrição dos parâmetros:

Exemplo:

Para usar os campos sepal_length, sepal_width, petal_length e petal_width como características:

SELECT * FROM iris.train
TO TRAIN DNNClassifier WITH
  model.hidden_units = [10, 10],
  model.n_classes = 3,
  train.epoch = 10
COLUMN sepal_length, sepal_width, petal_length, petal_width
...

Cláusula LABEL

A cláusula LABEL indica o nome do campo do rótulo de treinamento e seu método opcional de pré-processamento.

Sintaxe:

LABEL label_expr

Descrição dos parâmetros:

Exemplo:

SELECT * FROM iris.train
TO TRAIN DNNClassifier WITH
  model.hidden_units = [10, 10],
  model.n_classes = 3,
  train.epoch = 10
COLUMN sepal_length, sepal_width, petal_length, petal_width
LABEL class
...

Cláusula INTO

A cláusula INTO especifica o nome da tabela onde o modelo treinado será salvo.

Sintaxe:

INTO table_references

Descrição dos parâmetros:

Exemplo:

SELECT * FROM iris.train
TO TRAIN DNNClassifier WITH
  model.hidden_units = [10, 10],
  model.n_classes = 3,
  train.epoch = 10
COLUMN sepal_length, sepal_width, petal_length, petal_width
LABEL class
INTO sqlflow_models.my_dnn_model;

Sintaxe de previsão

As instruções de previsão do RDS SQLFlow consistem nas cláusulas SELECT, PREDICT e USING.

SELECT select_expr [, select_expr ...]
FROM table_references
  [WHERE where_condition]
  [LIMIT row_count]
TO PREDICT result_table_reference
[WITH
  attr_expr [, attr_expr ...]]
USING model_table_reference;

Cláusulas PREDICT e USING

A cláusula PREDICT descreve a tabela onde os resultados da previsão serão gravados, USING indica a tabela de onde o modelo será carregado, e WITH define as configurações necessárias para a previsão.

Sintaxe:

TO PREDICT result_table_reference
[WITH
  attr_expr [, attr_expr ...]]
USING model_table_reference;

Descrição dos parâmetros:

Exemplo:

Para usar um modelo armazenado na tabela sqlflow.my_dnn_model e salvar os resultados da previsão em uma coluna da tabela iris.predict:

SELECT * FROM iris.train
TO PREDICT iris.predict.class
USING sqlflow.my_dnn_model;

Sintaxe de explicação

As instruções de explicação do RDS SQLFlow são formadas por uma série de comandos SELECT, EXPLAIN e USING.

SELECT select_expr [, select_expr ...]
FROM table_references
  [WHERE where_condition]
  [LIMIT row_count]
TO EXPLAIN model_table_reference
[WITH
  attr_expr [, attr_expr ...]]
[USING explainer];

Cláusulas EXPLAIN e USING

A cláusula EXPLAIN especifica a tabela de onde o modelo é carregado e os atributos de configuração necessários. Já a cláusula USING define o explicador a ser utilizado.

Sintaxe:

TO EXPLAIN model_table_reference
[WITH
  attr_expr [, attr_expr ...]]
USING explainer;

Descrição dos parâmetros:

Exemplo:

Para usar o TreeExplainer na explicação de um modelo armazenado em sqlflow_models.my_xgb_regression_model e plotar os resultados da análise em ordem classificada:

SELECT * FROM boston.train
TO EXPLAIN sqlflow_models.my_xgb_regression_model
WITH
    summary.sort=True
USING TreeExplainer;

Sintaxe de avaliação

As instruções de avaliação do RDS SQLFlow compreendem os comandos SELECT, EVALUATE e INTO.

SELECT select_expr [, select_expr ...]
FROM table_references
  [WHERE where_condition]
  [LIMIT row_count]
TO EVALUATE model_table_reference
[WITH
  attr_expr [, attr_expr ...]]
LABEL class
INTO evaluate_result_table;

Cláusulas EVALUATE e INTO

A cláusula TO EVALUATE define o modelo a ser avaliado e as métricas utilizadas na avaliação. A cláusula INTO especifica a tabela onde os resultados da avaliação serão salvos.

Sintaxe:

TO EVALUATE model_table_reference
[WITH
  attr_expr [, attr_expr ...]]
INTO evaluate_result_table;

Descrição dos parâmetros:

Exemplo:

SELECT * FROM iris.test 
TO EVALUATE sqlflow_models.my_dnn_model 
WITH validation.metrics = Accuracy 
LABEL class  
INTO sqlflow_models.evaluate_result_table;

Sintaxe de otimização

O RDS SQLFlow utiliza as cláusulas TO MAXIMIZE e TO MINIMIZE para descrever e resolver problemas de programação matemática.

Sintaxe:

SELECT select_expr [, select_expr ...]
FROM table_references
  [WHERE where_condition]
  [LIMIT row_count]
TO MAXIMIZE|MINIMIZE
  objective_expr
CONSTRAINT
  constraint_expr [GROUP BY column_name]
  [, constraint_expr [GROUP BY column_name]...]
WITH
  variables="variable_value(column_name, ...)"
  var_type="Integers|Reals|Binary|NonNegativeIntegers|..."
[USING solver_name]
INTO result_table_name;

Exemplo:

SELECT c1, c2, c3 FROM my_db.my_table
TO MAXIMIZE SUM(x * c1)
CONSTRAINT
    SUM(x) <= c2 GROUP BY c1
    x <= 3
WITH
    variables="x(c3)",
    var_type="NonNegativeIntegers"
USING glpk
INTO my_db.my_result_table;

Descrição dos parâmetros:

Referências

Introduction to RDS Custom