mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-10-02 06:30:55 +00:00
d91c97d15d
* Replace underscores with hyphens * remove temporary code * fix style check * fix collapse
240 lines
7.5 KiB
Markdown
240 lines
7.5 KiB
Markdown
---
|
||
machine_translated: true
|
||
machine_translated_rev: f865c9653f9df092694258e0ccdd733c339112f5
|
||
toc_priority: 41
|
||
toc_title: "Application Des Mod\xE8les CatBoost"
|
||
---
|
||
|
||
# Application D’un modèle Catboost Dans ClickHouse {#applying-catboost-model-in-clickhouse}
|
||
|
||
[CatBoost](https://catboost.ai) est une bibliothèque de dynamisation de gradient libre et open-source développée à [Yandex](https://yandex.com/company/) pour l’apprentissage automatique.
|
||
|
||
Avec cette instruction, vous apprendrez à appliquer des modèles pré-formés dans ClickHouse en exécutant l’inférence de modèle à partir de SQL.
|
||
|
||
Pour appliquer un modèle CatBoost dans ClickHouse:
|
||
|
||
1. [Créer une Table](#create-table).
|
||
2. [Insérez les données dans la Table](#insert-data-to-table).
|
||
3. [Intégrer CatBoost dans ClickHouse](#integrate-catboost-into-clickhouse) (Étape facultative).
|
||
4. [Exécutez L’inférence du modèle à partir de SQL](#run-model-inference).
|
||
|
||
Pour plus d’informations sur la formation des modèles CatBoost, voir [Formation et application de modèles](https://catboost.ai/docs/features/training.html#training).
|
||
|
||
## Préalable {#prerequisites}
|
||
|
||
Si vous n’avez pas le [Docker](https://docs.docker.com/install/) pourtant, l’installer.
|
||
|
||
!!! note "Note"
|
||
[Docker](https://www.docker.com) est une plate-forme logicielle qui vous permet de créer des conteneurs qui isolent une installation CatBoost et ClickHouse du reste du système.
|
||
|
||
Avant d’appliquer un modèle CatBoost:
|
||
|
||
**1.** Tirez la [Docker image](https://hub.docker.com/r/yandex/tutorial-catboost-clickhouse) à partir du registre:
|
||
|
||
``` bash
|
||
$ docker pull yandex/tutorial-catboost-clickhouse
|
||
```
|
||
|
||
Cette image Docker contient tout ce dont vous avez besoin pour exécuter CatBoost et ClickHouse: code, runtime, bibliothèques, variables d’environnement et fichiers de configuration.
|
||
|
||
**2.** Assurez-vous que l’image Docker a été tirée avec succès:
|
||
|
||
``` bash
|
||
$ docker image ls
|
||
REPOSITORY TAG IMAGE ID CREATED SIZE
|
||
yandex/tutorial-catboost-clickhouse latest 622e4d17945b 22 hours ago 1.37GB
|
||
```
|
||
|
||
**3.** Démarrer un conteneur Docker basé sur cette image:
|
||
|
||
``` bash
|
||
$ docker run -it -p 8888:8888 yandex/tutorial-catboost-clickhouse
|
||
```
|
||
|
||
## 1. Créer une Table {#create-table}
|
||
|
||
Pour créer une table ClickHouse pour l’exemple de formation:
|
||
|
||
**1.** Démarrez clickhouse console client en mode interactif:
|
||
|
||
``` bash
|
||
$ clickhouse client
|
||
```
|
||
|
||
!!! note "Note"
|
||
Le serveur ClickHouse est déjà en cours d’exécution dans le conteneur Docker.
|
||
|
||
**2.** Créer la table à l’aide de la commande:
|
||
|
||
``` 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.** Quitter le client de la console ClickHouse:
|
||
|
||
``` sql
|
||
:) exit
|
||
```
|
||
|
||
## 2. Insérez les données dans la Table {#insert-data-to-table}
|
||
|
||
Pour insérer les données:
|
||
|
||
**1.** Exécutez la commande suivante:
|
||
|
||
``` bash
|
||
$ clickhouse client --host 127.0.0.1 --query 'INSERT INTO amazon_train FORMAT CSVWithNames' < ~/amazon/train.csv
|
||
```
|
||
|
||
**2.** Démarrez clickhouse console client en mode interactif:
|
||
|
||
``` bash
|
||
$ clickhouse client
|
||
```
|
||
|
||
**3.** Assurez-vous que les données ont été téléchargées:
|
||
|
||
``` sql
|
||
:) SELECT count() FROM amazon_train
|
||
|
||
SELECT count()
|
||
FROM amazon_train
|
||
|
||
+-count()-+
|
||
| 65538 |
|
||
+-------+
|
||
```
|
||
|
||
## 3. Intégrer CatBoost dans ClickHouse {#integrate-catboost-into-clickhouse}
|
||
|
||
!!! note "Note"
|
||
**Étape facultative.** L’image Docker contient tout ce dont vous avez besoin pour exécuter CatBoost et ClickHouse.
|
||
|
||
Pour intégrer CatBoost dans ClickHouse:
|
||
|
||
**1.** Construire la bibliothèque d’évaluation.
|
||
|
||
Le moyen le plus rapide d’évaluer un modèle CatBoost est la compilation `libcatboostmodel.<so|dll|dylib>` bibliothèque. Pour plus d’informations sur la création de la bibliothèque, voir [Documentation CatBoost](https://catboost.ai/docs/concepts/c-plus-plus-api_dynamic-c-pluplus-wrapper.html).
|
||
|
||
**2.** Créez un nouveau répertoire n’importe où et avec n’importe quel nom, par exemple, `data` et mettez la bibliothèque créée dedans. L’image Docker contient déjà la bibliothèque `data/libcatboostmodel.so`.
|
||
|
||
**3.** Créez un nouveau répertoire pour le modèle de configuration n’importe où et avec n’importe quel nom, par exemple, `models`.
|
||
|
||
**4.** Créez un fichier de configuration de modèle avec n’importe quel nom, par exemple, `models/amazon_model.xml`.
|
||
|
||
**5.** Décrire la configuration du modèle:
|
||
|
||
``` 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.** Ajoutez le chemin D’accès à CatBoost et la configuration du modèle à la configuration 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. Exécutez L’inférence du modèle à partir de SQL {#run-model-inference}
|
||
|
||
Pour le modèle de test exécutez le client ClickHouse `$ clickhouse client`.
|
||
|
||
Assurons nous que le modèle fonctionne:
|
||
|
||
``` 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 "Note"
|
||
Fonction [modelEvaluate](../sql-reference/functions/other-functions.md#function-modelevaluate) retourne tuple avec des prédictions brutes par classe pour les modèles multiclasse.
|
||
|
||
Prédisons la probabilité:
|
||
|
||
``` 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 "Note"
|
||
Plus d’infos sur [exp()](../sql-reference/functions/math-functions.md) fonction.
|
||
|
||
Calculons LogLoss sur l’échantillon:
|
||
|
||
``` 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 "Note"
|
||
Plus d’infos sur [avg()](../sql-reference/aggregate-functions/reference.md#agg_function-avg) et [journal()](../sql-reference/functions/math-functions.md) fonction.
|
||
|
||
[Article Original](https://clickhouse.tech/docs/en/guides/apply_catboost_model/) <!--hide-->
|