--- machine_translated: true machine_translated_rev: e8cd92bba3269f47787db090899f7c242adf7818 toc_priority: 41 toc_title: CatBoost Modellerini Uygulamak --- # Clickhouse’da Bir Catboost Modeli Uygulamak {#applying-catboost-model-in-clickhouse} [CatBoost](https://catboost.ai) geliştirilen ücretsiz ve açık kaynak kodlu bir GRA anddi libraryent kütüphan aesidir. [Yandex](https://yandex.com/company/) makine öğrenimi için. Bu Talimatla, Sql’den model çıkarımı çalıştırarak Clickhouse’da önceden eğitilmiş modelleri uygulamayı öğreneceksiniz. Clickhouse’da bir CatBoost modeli uygulamak için: 1. [Tablo oluşturma](#create-table). 2. [Verileri tabloya ekleme](#insert-data-to-table). 3. [Catboost’u Clickhouse’a entegre edin](#integrate-catboost-into-clickhouse) (İsteğe bağlı adım). 4. [SQL’DEN Model Çıkarımını çalıştırın](#run-model-inference). Eğitim CatBoost modelleri hakkında daha fazla bilgi için bkz [Eğitim ve uygulama modelleri](https://catboost.ai/docs/features/training.html#training). ## Önkoşullar {#prerequisites} Eğer yoksa [Docker](https://docs.docker.com/install/) yine de yükleyin. !!! note "Not" [Docker](https://www.docker.com) sistemin geri kalanından bir CatBoost ve ClickHouse kurulumunu izole eden kaplar oluşturmanıza olanak sağlayan bir yazılım platformudur. Bir CatBoost modeli uygulamadan önce: **1.** P pullull the [Docker görüntü](https://hub.docker.com/r/yandex/tutorial-catboost-clickhouse) kayıt defter theinden: ``` bash $ docker pull yandex/tutorial-catboost-clickhouse ``` Kod, çalışma zamanı, kütüphaneler, ortam değişkenleri ve Yapılandırma Dosyaları: bu Docker görüntü catboost ve ClickHouse çalıştırmak için gereken her şeyi içerir. **2.** Docker görüntüsünün başarıyla çekildiğinden emin olun: ``` bash $ docker image ls REPOSITORY TAG IMAGE ID CREATED SIZE yandex/tutorial-catboost-clickhouse latest 622e4d17945b 22 hours ago 1.37GB ``` **3.** Bu görüntüye dayalı bir Docker kabı başlatın: ``` bash $ docker run -it -p 8888:8888 yandex/tutorial-catboost-clickhouse ``` ## 1. Tablo oluşturma {#create-table} Eğitim örneği için bir ClickHouse tablosu oluşturmak için: **1.** Etkileşimli modda ClickHouse konsol istemcisini başlatın: ``` bash $ clickhouse client ``` !!! note "Not" Clickhouse sunucusu Docker kapsayıcısı içinde zaten çalışıyor. **2.** Komutu kullanarak tablo oluşturun: ``` sql :) CREATE TABLE amazon_train ( date Date MATERIALIZED today(), ACTION UInt8, RESOURCE UInt32, MGR_ID UInt32, ROLE_ROLLUP_1 UInt32, ROLE_ROLLUP_2 UInt32, ROLE_DEPTNAME UInt32, ROLE_TITLE UInt32, ROLE_FAMILY_DESC UInt32, ROLE_FAMILY UInt32, ROLE_CODE UInt32 ) ENGINE = MergeTree ORDER BY date ``` **3.** ClickHouse konsol istemcisinden çıkış: ``` sql :) exit ``` ## 2. Verileri tabloya ekleme {#insert-data-to-table} Verileri eklemek için: **1.** Aşağıdaki komutu çalıştırın: ``` bash $ clickhouse client --host 127.0.0.1 --query 'INSERT INTO amazon_train FORMAT CSVWithNames' < ~/amazon/train.csv ``` **2.** Etkileşimli modda ClickHouse konsol istemcisini başlatın: ``` bash $ clickhouse client ``` **3.** Verilerin yüklendiğinden emin olun: ``` sql :) SELECT count() FROM amazon_train SELECT count() FROM amazon_train +-count()-+ | 65538 | +-------+ ``` ## 3. Catboost’u Clickhouse’a entegre edin {#integrate-catboost-into-clickhouse} !!! note "Not" **İsteğe bağlı adım.** Docker görüntü catboost ve ClickHouse çalıştırmak için gereken her şeyi içerir. Catboost’u Clickhouse’a entegre etmek için: **1.** Değerlendirme kitaplığı oluşturun. Bir CatBoost modelini değerlendirmenin en hızlı yolu derlemedir `libcatboostmodel.` kitaplık. Kitaplığın nasıl oluşturulacağı hakkında daha fazla bilgi için bkz. [CatBoost belgeleri](https://catboost.ai/docs/concepts/c-plus-plus-api_dynamic-c-pluplus-wrapper.html). **2.** Herhangi bir yerde ve herhangi bir adla yeni bir dizin oluşturun, örneğin, `data` ve oluşturulan kütüphaneyi içine koyun. Docker görüntüsü zaten kütüphaneyi içeriyor `data/libcatboostmodel.so`. **3.** Yapılandırma modeli için herhangi bir yerde ve herhangi bir adla yeni bir dizin oluşturun, örneğin, `models`. **4.** Örneğin, herhangi bir ada sahip bir model yapılandırma dosyası oluşturun, `models/amazon_model.xml`. **5.** Model yapılandırmasını açıklayın: ``` xml catboost amazon /home/catboost/tutorial/catboost_model.bin 0 ``` **6.** Catboost yolunu ve model yapılandırmasını ClickHouse yapılandırmasına ekleyin: ``` xml /home/catboost/data/libcatboostmodel.so /home/catboost/models/*_model.xml ``` ## 4. SQL’DEN Model Çıkarımını çalıştırın {#run-model-inference} Test modeli için ClickHouse istemcisini çalıştırın `$ clickhouse client`. Modelin çalıştığından emin olalım: ``` sql :) SELECT modelEvaluate('amazon', RESOURCE, MGR_ID, ROLE_ROLLUP_1, ROLE_ROLLUP_2, ROLE_DEPTNAME, ROLE_TITLE, ROLE_FAMILY_DESC, ROLE_FAMILY, ROLE_CODE) > 0 AS prediction, ACTION AS target FROM amazon_train LIMIT 10 ``` !!! note "Not" İşlev [modelEvaluate](../sql-reference/functions/other-functions.md#function-modelevaluate) multiclass modelleri için sınıf başına ham tahminleri ile tuple döndürür. Olasılığı tahmin edelim: ``` sql :) SELECT modelEvaluate('amazon', RESOURCE, MGR_ID, ROLE_ROLLUP_1, ROLE_ROLLUP_2, ROLE_DEPTNAME, ROLE_TITLE, ROLE_FAMILY_DESC, ROLE_FAMILY, ROLE_CODE) AS prediction, 1. / (1 + exp(-prediction)) AS probability, ACTION AS target FROM amazon_train LIMIT 10 ``` !!! note "Not" Hakkında daha fazla bilgi [exp()](../sql-reference/functions/math-functions.md) işlev. Örnek üzerinde LogLoss hesaplayalım: ``` sql :) SELECT -avg(tg * log(prob) + (1 - tg) * log(1 - prob)) AS logloss FROM ( SELECT modelEvaluate('amazon', RESOURCE, MGR_ID, ROLE_ROLLUP_1, ROLE_ROLLUP_2, ROLE_DEPTNAME, ROLE_TITLE, ROLE_FAMILY_DESC, ROLE_FAMILY, ROLE_CODE) AS prediction, 1. / (1. + exp(-prediction)) AS prob, ACTION AS tg FROM amazon_train ) ``` !!! note "Not" Hakkında daha fazla bilgi [avg()](../sql-reference/aggregate-functions/reference.md#agg_function-avg) ve [günlük()](../sql-reference/functions/math-functions.md) işlevler. [Orijinal makale](https://clickhouse.tech/docs/en/guides/apply_catboost_model/)