HeatWave ML 将机器学习模型存储在 MySQL 的模型目录中。模型目录是一个标准的 MySQL 表，名为
MODEL_CATALOG. HeatWave ML 为创建机器学习模型的任何用户创建模型目录。
该MODEL_CATALOG表是在名为 的模式中创建的
，其中
是拥有者的名称。
ML_SCHEMA_user_nameuser_name
当用户创建模型时，
ML_TRAIN
例程会创建模型目录架构和表（如果它们不存在）。
在训练结束时
ML_TRAIN
将模型作为一行插入
表中。MODEL_CATALOG
模型目录只能由所有者用户访问，除非该用户将模型目录的权限授予其他用户。这意味着 HeatWave ML 例程只能使用运行例程的用户可以访问的模型。有关授予模型目录权限的信息，请参阅 第 3.9.10 节，“共享模型”。
数据库管理员可以像管理常规 MySQL 表一样管理模型目录表。
该MODEL_CATALOG表包含以下列：
-
model_id模型的唯一自动递增数字标识符。
-
model_handle模型的名称。模型句柄在模型目录中必须是唯一的。
ML_TRAIN当例程在训练数据集上执行时，模型句柄由用户生成或设置 。生成的model_handle格式为schemaName_tableName_userName_No，如以下示例所示： .heatwaveml_bench.census_train_user1_1636729526笔记生成的模型句柄的格式可能会发生变化。
-
model_objectJSON 格式的字符串，包含序列化的 HeatWave ML 模型。
-
model_owner启动
ML_TRAIN例程以创建模型的用户。 -
build_timestamp指示模型创建时间的时间戳（以 UNIX 纪元时间表示）。当
ML_TRAIN例程完成执行时，将创建一个模型。 -
target_column_name训练表中指定为目标列的列的名称。
-
train_table_nameML_TRAIN例程 指定的输入表的名称 。 -
model_object_size模型对象大小，以字节为单位。
-
model_type为构建模型而选择的模型（算法）类型
ML_TRAIN。 -
task查询中指定的任务类型
ML_TRAIN（classification或regression）。 -
column_names用于训练模型的特征列。
-
model_explanations训练期间生成的模型解释。请参阅 第 3.9.7 节，“模型说明”。此列是在 MySQL 8.0.29 中添加的。
-
last_accessed上次访问模型的时间。HeatWave ML 例程在访问模型时将此值更新为当前时间戳。
-
model_metadata模型的元数据。如果在训练过程中发生错误或您取消训练操作，HeatWave ML 会在此列中记录错误状态。此列是在 MySQL 8.0.31 中添加的。它包含以下元数据作为 JSON 格式的键值对：
-
status: Creating | Ready | Error 模型的状态。
Creating表示它仍在创建中，Ready表示它已经过训练并处于活动状态，Error表示训练已取消或期间发生错误。任何错误消息都会出现在notes列中。-
training_score:number 通过训练为模型获得的交叉验证分数。
-
n_rows:number 训练表中的行数。
-
n_columns:number 训练表中的列数。
-
optimization_metric:string 用于训练的优化指标。
-
n_selected_columns:number 特征选择选择的行数。
-
algorithm_name:number 所选算法的名称。
-
n_selected_rows:number 自适应采样选择的行数。
-
training_time:number 训练模型所用的时间（以秒为单位）。
-
selected_column_names:JSON array 特征选择所选择的列的名称。
-
format:string 模型序列化格式。
-
-
notes使用此列记录您自己对训练模型的注释。它还用于存储模型训练期间出现的错误消息。