：模型及演算法

DNNClassifier

演算法介紹

DNNClassifier是TensorFlow 提供的一個進階API，用於構建深度神經網路（DNN）模型，主要用於二分類或多分類的預測。該API通過多層全串連網路來捕捉資料中的非線性關係，並通過訓練最佳化權重和偏置，從而最小化模型輸出與實體類別之間的損失。

DNNClassifier具有以下特點：

• 易用性：提供進階API，簡化了深度學習模型的構建流程。

• 模組化：能夠靈活配置網路結構，例如隱藏層的數量和規模。

• 並行訓練：可以利用多核CPU或GPU加速訓練過程。

• 支援多種輸入特徵：支援數值型和類型特徵的混合。

參數說明

使用樣本

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

##預測
SELECT * FROM iris.test
TO PREDICT iris.predict.class
USING sqlflow_models.my_dnn_model;

XGBoost gbtree

演算法介紹

XGBoost（Extreme Gradient Boosting）是一種高效的梯度提升樹（Gradient Boosting Tree）演算法，廣泛應用於分類和迴歸問題。其gbtree模型專註於使用決策樹作為基學習器。

該演算法具有以下特點：

• 高效能：在許多分類任務中，與傳統方法相比，BoostedTreesClassifier通常能夠實現更高的準確性。

• 適應性強：能夠自動評估特徵的重要性，適應不同的資料分布。

• 可解釋性：通過特徵重要性分析，可以瞭解模型如何做出決策。

• 防止過擬合：通過正則化手段，Boosted Trees能夠有效對抗過擬合問題，尤其是在遍曆深層樹時。

• 處理缺失值的能力：能夠較好地處理樣本中的缺失值，確保不會因缺失值而導致預先處理問題。

• 支援並行化及分布式訓練：在大規模資料集上能夠更高效地訓練模型。

使用樣本

## 用於二分類
SELECT * FROM train_table
TO TRAIN xgboost.gbtree
WITH objective="binary:logistic", validation.select="SELECT * FROM val_table"
LABEL class
INTO my_xgb_classification_model;

## 用於多分類
SELECT * FROM train_table	
TO TRAIN xgboost.gbtree
WITH objective="multi:softmax", num_class=3, validation.select="SELECT * FROM val_table"
LABEL class
INTO my_xgb_classification_model;

## 用於迴歸任務
SELECT * FROM train_table
TO TRAIN xgboost.gbtree
WITH objective="reg:squarederror", validation.select="SELECT * FROM val_table"
LABEL target
INTO my_xgb_regression_model;

GCN

演算法介紹

GCN（Graph Convolutional Network）是一種專門用於圖資料的深度學習模型。它通過圖卷積的方式處理圖結構資料，能夠有效捕捉節點之間的關係和特徵傳播，適用於分析具有複雜結構和關係的資料，例如社交網路、推薦系統和生物網路等。GCN處理的輸入是圖（Graph），該圖由節點（Nodes）和邊（Edges）組成。在許多業務情境中，資料可以自然地表示為圖結構，例如社交網路和知識圖譜等。GCN借用卷積神經網路中的卷積思想，通過鄰接節點的資訊更新每個節點的表示，使得節點的表示能夠考慮到其鄰域的特徵。

適用情境

• 社交網路分析：GCN可以用於社交網路中的使用者推薦、關係預測、社區檢測等任務。

• 節點分類：例如在知識圖譜中，可以對節點（實體）進行分類，預測某個實體所屬的類別，例如品牌、產品等。

• 映像分割：在像素構成的映像中應用GCN，可以增強映像分割和物體識別的效果。

DNNRegressor

演算法介紹

DNNRegressor是TensorFlow提供的一個進階API，用於深度學習迴歸任務。它屬於TensorFlow Estimator模組，用於處理結構化資料（例如表格或CSV格式的資料），並能夠學習複雜的非線性關係，從而預測價格或機率等連續值輸出。

參數說明

使用樣本

##訓練
SELECT f9, target FROM housing.train
TO TRAIN DNNRegressor WITH model.hidden_units = [10, 20]
COLUMN EMBEDDING(CATEGORY_ID(f9, 1000), 2, "sum")
LABEL target
INTO housing.dnn_model;

##預測
SELECT f9, target FROM housing.test
TO PREDICT housing.predict.class USING housing.dnn_model;

RNNBasedTimeSeriesModel

演算法介紹

RNNBasedTimeSeriesModel（簡稱RNN）是基於LSTM時間序列的預測模型，通過輸入多個時間點的特徵資訊，預測未來多個時間點的表現。RNN是一種能夠處理序列資料的神經網路，在每一個時間步，RNN不僅接收當前的輸入資料，還考慮前一個時間步的狀態資訊。這使得RNN特別適合處理時間序列資料，例如股票價格、氣象資料、自然語言處理等。

RNN具有以下特點：

• 記憶能力：RNN能夠儲存先前輸入的資訊，使其能夠捕捉時間序列中的長期依賴性。

• 動態輸入長度：RNN可以處理任意長度的輸入序列，這對於時間序列資料尤為重要。

• 非線性映射：RNN能夠建立輸入和輸出之間的非線性關係，使其適用於複雜的時間序列預測任務。

• 序列產生：RNN不僅可以用於預測，還可以用於產生新的時間序列，例如產生音樂或文本。

參數說明

使用樣本

##訓練
SELECT sepal_length, sepal_width, petal_length, concat(petal_width,',',class) as class 
FROM iris.train 
TO TRAIN sqlflow_models.RNNBasedTimeSeriesModel WITH
    model.n_in=3,
    model.stack_units = [10, 10],
    model.n_out=2,
    model.model_type="lstm",
    validation.metrics= "MeanAbsoluteError,MeanSquaredError"
LABEL class
INTO sqlflow_models.my_dnn_regts_model_2;

##預測
SELECT sepal_length, sepal_width, petal_length, concat(petal_width,',',class) as class 
FROM iris.test 
TO PREDICT iris.predict_ts_2.class 
USING sqlflow_models.my_dnn_regts_model_2;

DeepEmbeddingClusterModel

演算法介紹

DeepEmbeddingClusterModel（深度嵌入聚類模型）是一種結合了深度學習與聚類方法的模型。它主要用於自動學習資料的低維嵌入表示，並在這個嵌入空間中進行聚類。

DeepEmbeddingClusterModel主要特點如下：

• 深度學習：利用深度神經網路進行資料的特徵提取，能夠自動學習資料的有用表示，捕捉複雜的非線性關係。

• 嵌入表示：將高維資料投影到較低維度嵌入空間中，從而簡化聚類任務，提高聚類效果。

• 聚類能力：在嵌入空間中直接進行聚類，使得同質資料點距離更近，從而提高聚類的精度和可解釋性。

• 泛化能力：由於深度學習的特性，模型通常具有較強的泛化能力，可以處理資料的雜訊和複雜性。

• 可擴充性：適合處理大規模資料集，能夠通過深度學習方法進行有效迭代和更新。

參數說明

使用樣本

##訓練
SELECT (sepal_length - 4.4) / 3.5 as sepal_length, (sepal_width - 2.0) / 2.2 as sepal_width, (petal_length - 1) / 5.9 as petal_length, (petal_width - 0.1) / 2.4 as petal_width
FROM iris.train
TO TRAIN sqlflow_models.DeepEmbeddingClusterModel
WITH
  model.pretrain_dims = [10,10,3],
  model.n_clusters = 3,
  model.pretrain_epochs=5,
  train.batch_size=10,
  train.verbose=1
INTO sqlflow_models.my_clustering_model;

##預測
SELECT (sepal_length - 4.4) / 3.5 as sepal_length, (sepal_width - 2.0) / 2.2 as sepal_width, (petal_length - 1) / 5.9 as petal_length, (petal_width - 0.1) / 2.4 as petal_width
FROM iris.test
TO PREDICT iris.predict.class
USING sqlflow_models.my_clustering_model;