通过运行
ML_TRAIN
预测任务并将其指定为 JSON 对象来生成预测。
ML_PREDICT_TABLE
然后可以预测所选列的值。
ML_SCORE
也可用于对模型质量进行评分。
您可以为具有数字数据类型的单个列创建时间序列预测。在预测方面，这是一个单变量内生变量。
当您运行
ML_TRAIN
例程来创建预测模型时，请在选项中使用以下键值对JSON_OBJECT：
- '任务'，'预测'
将机器学习任务类型指定为“预测”。
- 'datetime_index', '<column_name>'
指定用作预测变量索引的日期时间列的列名称。该列可以是受支持的日期时间列类型之一（
DATETIME、TIMESTAMP、DATE、TIME和YEAR），也可以是自动递增索引。- 'endogenous_variables', JSON_ARRAY(<endogenous_column>)
指定要预测的列。预测函数支持单个数字列。该列也必须在例程的
target_column_name选项中 指定ML_TRAIN，因为该字段是必需的，但在该位置未使用。
以下示例
ML_TRAIN
在ml_data.opsd_germany_daily_train
训练数据集上运行以创建预测模型以预测consumption给定日期（列）的消耗量（ddate列）：
CALL sys.ML_TRAIN('ml_data.opsd_germany_daily_train', 'consumption', JSON_OBJECT(
'task', 'forecasting',
'datetime_index', 'ddate',
'endogenous_variables', JSON_ARRAY('consumption')),
@forecast_model);
有关使用ML_TRAIN
例程的说明，请参阅第 3.4 节“训练模型”，有关选项说明的完整列表，请参阅
ML_TRAIN。
要生成预测，请
ML_PREDICT_TABLE
对与训练模型具有相同列的数据运行例程，但必须删除包含内生变量的列（未标记数据）。预测模型预测与标识为索引的日期时间列相关的内生变量的值。日期时间列中的数据可以与训练数据集中的数据重叠，也可以是训练数据集末尾的未来数据。
以下示例显示了正在加载并用于创建消费预测的预测模型：
mysql> CALL sys.ML_MODEL_LOAD(@forecast_model, NULL);
Query OK, 0 rows affected (1.07 sec)
mysql> CALL sys.ML_PREDICT_TABLE('ml_data.`opsd_germany_daily_test`', @forecast_model, 'ml_data.`opsd_germany_daily_train_predictions`');
Query OK, 0 rows affected (1.50 sec)
mysql> select * from opsd_germany_daily_train_predictions LIMIT 5;
+------------+---------+--------+------------+------------+
| ddate | wind | solar | wind_solar | Prediction |
+------------+---------+--------+------------+------------+
| 2017-12-01 | 52.323 | 19.266 | 71.589 | 1528.13 |
| 2017-12-02 | 126.274 | 16.459 | 142.733 | 1333.16 |
| 2017-12-03 | 387.49 | 12.411 | 399.901 | 1276.1 |
| 2017-12-04 | 479.798 | 10.747 | 490.545 | 1602.18 |
| 2017-12-05 | 611.488 | 10.953 | 622.441 | 1615.38 |
+------------+---------+--------+------------+------------+
5 rows in set (0.01 sec)
有关使用
ML_PREDICT_TABLE
例程的说明，请参阅第 3.6 节“预测”，有关选项说明的完整列表，请参阅
ML_PREDICT_TABLE。
ML_PREDICT_ROW
不能与预测模型一起使用。
您可以使用支持的评分指标之一运行例程来对预测模型
ML_SCORE
评分，如以下示例所示：
mysql> CALL sys.ML_MODEL_LOAD(@model, NULL);
Query OK, 0 rows affected (1.07 sec)
mysql> CALL sys.ML_SCORE('ml_data.`opsd_germany_daily_test`', 'consumption', @model, 'neg_sym_mean_abs_percent_error', @score);
Query OK, 0 rows affected (1.40 sec)
mysql> select @score;
+----------------------+
| @score |
+----------------------+
| -0.07764234393835068 |
+----------------------+
1 row in set (0.00 sec)