mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-12-13 09:52:38 +00:00
cd14f9ebcb
* split up select.md * array-join.md basic refactoring * distinct.md basic refactoring * format.md basic refactoring * from.md basic refactoring * group-by.md basic refactoring * having.md basic refactoring * additional index.md refactoring * into-outfile.md basic refactoring * join.md basic refactoring * limit.md basic refactoring * limit-by.md basic refactoring * order-by.md basic refactoring * prewhere.md basic refactoring * adjust operators/index.md links * adjust sample.md links * adjust more links * adjust operatots links * fix some links * adjust aggregate function article titles * basic refactor of remaining select clauses * absolute paths in make_links.sh * run make_links.sh * remove old select.md locations * translate docs/es * translate docs/fr * translate docs/fa * remove old operators.md location * change operators.md links * adjust links in docs/es * adjust links in docs/es * minor texts adjustments * wip * update machine translations to use new links * fix changelog * es build fixes * get rid of some select.md links * temporary adjust ru links * temporary adjust more ru links * improve curly brace handling * adjust ru as well * fa build fix * ru link fixes * zh link fixes * temporary disable part of anchor checks
240 lines
7.4 KiB
Markdown
240 lines
7.4 KiB
Markdown
---
|
|
machine_translated: true
|
|
machine_translated_rev: 72537a2d527c63c07aa5d2361a8829f3895cf2bd
|
|
toc_priority: 41
|
|
toc_title: "Aplicaci\xF3n de modelos CatBoost"
|
|
---
|
|
|
|
# Aplicación de un modelo Catboost en ClickHouse {#applying-catboost-model-in-clickhouse}
|
|
|
|
[CatBoost](https://catboost.ai) es una biblioteca de impulso de gradiente libre y de código abierto desarrollada en [Yandex](https://yandex.com/company/) para el aprendizaje automático.
|
|
|
|
Con esta instrucción, aprenderá a aplicar modelos preentrenados en ClickHouse ejecutando la inferencia de modelos desde SQL.
|
|
|
|
Para aplicar un modelo CatBoost en ClickHouse:
|
|
|
|
1. [Crear una tabla](#create-table).
|
|
2. [Insertar los datos en la tabla](#insert-data-to-table).
|
|
3. [Integrar CatBoost en ClickHouse](#integrate-catboost-into-clickhouse) (Paso opcional).
|
|
4. [Ejecute la inferencia del modelo desde SQL](#run-model-inference).
|
|
|
|
Para obtener más información sobre la formación de modelos CatBoost, consulte [Entrenamiento y aplicación de modelos](https://catboost.ai/docs/features/training.html#training).
|
|
|
|
## Requisito {#prerequisites}
|
|
|
|
Si no tienes el [Acoplador](https://docs.docker.com/install/) sin embargo, instalarlo.
|
|
|
|
!!! note "Nota"
|
|
[Acoplador](https://www.docker.com) es una plataforma de software que le permite crear contenedores que aíslan una instalación de CatBoost y ClickHouse del resto del sistema.
|
|
|
|
Antes de aplicar un modelo CatBoost:
|
|
|
|
**1.** Tire de la [Imagen de acoplador](https://hub.docker.com/r/yandex/tutorial-catboost-clickhouse) del registro:
|
|
|
|
``` bash
|
|
$ docker pull yandex/tutorial-catboost-clickhouse
|
|
```
|
|
|
|
Esta imagen de Docker contiene todo lo que necesita para ejecutar CatBoost y ClickHouse: código, tiempo de ejecución, bibliotecas, variables de entorno y archivos de configuración.
|
|
|
|
**2.** Asegúrese de que la imagen de Docker se haya extraído correctamente:
|
|
|
|
``` bash
|
|
$ docker image ls
|
|
REPOSITORY TAG IMAGE ID CREATED SIZE
|
|
yandex/tutorial-catboost-clickhouse latest 622e4d17945b 22 hours ago 1.37GB
|
|
```
|
|
|
|
**3.** Inicie un contenedor Docker basado en esta imagen:
|
|
|
|
``` bash
|
|
$ docker run -it -p 8888:8888 yandex/tutorial-catboost-clickhouse
|
|
```
|
|
|
|
## 1. Crear una tabla {#create-table}
|
|
|
|
Para crear una tabla ClickHouse para el ejemplo de capacitación:
|
|
|
|
**1.** Inicie el cliente de consola ClickHouse en el modo interactivo:
|
|
|
|
``` bash
|
|
$ clickhouse client
|
|
```
|
|
|
|
!!! note "Nota"
|
|
El servidor ClickHouse ya se está ejecutando dentro del contenedor Docker.
|
|
|
|
**2.** Cree la tabla usando el comando:
|
|
|
|
``` 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.** Salir del cliente de la consola ClickHouse:
|
|
|
|
``` sql
|
|
:) exit
|
|
```
|
|
|
|
## 2. Insertar los datos en la tabla {#insert-data-to-table}
|
|
|
|
Para insertar los datos:
|
|
|
|
**1.** Ejecute el siguiente comando:
|
|
|
|
``` bash
|
|
$ clickhouse client --host 127.0.0.1 --query 'INSERT INTO amazon_train FORMAT CSVWithNames' < ~/amazon/train.csv
|
|
```
|
|
|
|
**2.** Inicie el cliente de consola ClickHouse en el modo interactivo:
|
|
|
|
``` bash
|
|
$ clickhouse client
|
|
```
|
|
|
|
**3.** Asegúrese de que los datos se hayan cargado:
|
|
|
|
``` sql
|
|
:) SELECT count() FROM amazon_train
|
|
|
|
SELECT count()
|
|
FROM amazon_train
|
|
|
|
+-count()-+
|
|
| 65538 |
|
|
+-------+
|
|
```
|
|
|
|
## 3. Integrar CatBoost en ClickHouse {#integrate-catboost-into-clickhouse}
|
|
|
|
!!! note "Nota"
|
|
**Paso opcional.** La imagen de Docker contiene todo lo que necesita para ejecutar CatBoost y ClickHouse.
|
|
|
|
Para integrar CatBoost en ClickHouse:
|
|
|
|
**1.** Construir la biblioteca de evaluación.
|
|
|
|
La forma más rápida de evaluar un modelo CatBoost es compilar `libcatboostmodel.<so|dll|dylib>` biblioteca. Para obtener más información acerca de cómo construir la biblioteca, vea [Documentación de CatBoost](https://catboost.ai/docs/concepts/c-plus-plus-api_dynamic-c-pluplus-wrapper.html).
|
|
|
|
**2.** Cree un nuevo directorio en cualquier lugar y con cualquier nombre, por ejemplo, `data` y poner la biblioteca creada en ella. La imagen de Docker ya contiene la biblioteca `data/libcatboostmodel.so`.
|
|
|
|
**3.** Cree un nuevo directorio para el modelo de configuración en cualquier lugar y con cualquier nombre, por ejemplo, `models`.
|
|
|
|
**4.** Cree un archivo de configuración de modelo con cualquier nombre, por ejemplo, `models/amazon_model.xml`.
|
|
|
|
**5.** Describir la configuración del modelo:
|
|
|
|
``` xml
|
|
<models>
|
|
<model>
|
|
<!-- Model type. Now catboost only. -->
|
|
<type>catboost</type>
|
|
<!-- Model name. -->
|
|
<name>amazon</name>
|
|
<!-- Path to trained model. -->
|
|
<path>/home/catboost/tutorial/catboost_model.bin</path>
|
|
<!-- Update interval. -->
|
|
<lifetime>0</lifetime>
|
|
</model>
|
|
</models>
|
|
```
|
|
|
|
**6.** Agregue la ruta de acceso a CatBoost y la configuración del modelo a la configuración de ClickHouse:
|
|
|
|
``` xml
|
|
<!-- File etc/clickhouse-server/config.d/models_config.xml. -->
|
|
<catboost_dynamic_library_path>/home/catboost/data/libcatboostmodel.so</catboost_dynamic_library_path>
|
|
<models_config>/home/catboost/models/*_model.xml</models_config>
|
|
```
|
|
|
|
## 4. Ejecute la inferencia del modelo desde SQL {#run-model-inference}
|
|
|
|
Para el modelo de prueba, ejecute el cliente ClickHouse `$ clickhouse client`.
|
|
|
|
Asegurémonos de que el modelo esté funcionando:
|
|
|
|
``` 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 "Nota"
|
|
Función [modelEvaluar](../sql-reference/functions/other-functions.md#function-modelevaluate) devuelve tupla con predicciones sin procesar por clase para modelos multiclase.
|
|
|
|
Vamos a predecir la probabilidad:
|
|
|
|
``` 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 "Nota"
|
|
Más información sobre [exp()](../sql-reference/functions/math-functions.md) función.
|
|
|
|
Vamos a calcular LogLoss en la muestra:
|
|
|
|
``` 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 "Nota"
|
|
Más información sobre [avg()](../sql-reference/aggregate-functions/reference.md#agg_function-avg) y [registro()](../sql-reference/functions/math-functions.md) función.
|
|
|
|
[Artículo Original](https://clickhouse.tech/docs/en/guides/apply_catboost_model/) <!--hide-->
|