Прогнозирование цен на авиабилеты с помощью MindsDB
MindsDB — это слой искусственного интеллекта с открытым исходным кодом для баз данных. Для получения более подробной информации посетите этот блог, чтобы узнать больше.
Из этого туториала вы узнаете, как обучить модель прогнозировать цены на авиабилеты на основе многих переменных, таких как продолжительность, остановки и т. д., с помощью MindsDB.
Импорт данных в облако MindsDB
Чтобы импортировать набор данных в MindsDB Cloud, нам нужно сначала загрузить его из Kaggle, а затем просто загрузить в MindsDB, выполнив шаги, указанные ниже.
Шаг 1. Создайте учетную запись MindsDB Cloud, если вы еще этого не сделали.
Шаг 2. Загрузите этот набор данных.
Шаг 3. Нажмите кнопку «Загрузить файл» в списке «Добавить».
(После загрузки вы получите файл .zip. Вам необходимо извлечь его и импортировать в него CSV-файл)
Шаг 4. Назовите таблицу
Шаг 5. Чтобы убедиться, что набор данных успешно импортирован:
Запустите этот запрос:
SHOW TABLES FROM files;
Если вы видите набор данных, значит, он успешно импортирован!
Мы импортировали наш набор данных в MindsDB, следующим шагом мы создадим модель прогнозирования!
Обучение модели
Шаг 1. Создание модели прогнозирования
MindsDB предоставляет синтаксис, который именно это и делает!
CREATE PREDICTOR mindsdb.predictor_name (Your Predictor Name)
FROM database_name (Your Database Name)
(SELECT columns FROM table_name LIMIT 10000) (Your Table Name)
PREDICT target_parameter; (Your Target Parameter)Измените параметры на те, которые вы хотите использовать.
CREATE PREDICTOR mindsdb.flightprice_predictor
FROM files
(SELECT * FROM FlightPrices LIMIT 10000)
PREDICT price;
Шаг 2. В зависимости от размера набора данных это может занять некоторое время.
После запуска команды для создания модели есть 3 этапа:
- Generating: модель генерируется!
- Training: модель обучается с использованием набора данных.
- Complete: модель готова делать прогнозы.
Чтобы проверить статус, это запрос:
SELECT status
FROM mindsdb.predictors
WHERE name='flightprice_predictor'Как только он вернется завершенным, мы сможем начать с его помощью прогнозировать!
Опишите модель
Прежде чем мы перейдем к заключительной части прогнозирования цен на авиабилеты, давайте сначала разберемся в модели, которую мы только что обучили.
MindsDB предоставляет следующие 3 типа описаний модели с помощью оператора DESCRIBE.
- По особенностям
- По модели
- По модельному ансамблю
По особенностям
DESCRIBE mindsdb.flightprice_predictor.features;
Этот запрос показывает роль каждого столбца для модели предиктора, а также тип кодировщиков, используемых в столбцах во время обучения.
По модели
DESCRIBE mindsdb.flightprice_predictor.model;
Этот запрос показывает список всех базовых моделей-кандидатов, которые использовались во время обучения. Выбирается тот, у которого наилучшая производительность (значение которого равно 1). Вы можете увидеть значение 1 для выбранного в выбранном столбце, в то время как для других установлено значение 0.
По модельному ансамблю
DESCRIBE mindsdb.flightprice_predictor.ensemble;
Этот запрос возвращает выходные данные JSON, содержащие различные параметры, которые помогли выбрать лучшую модель-кандидат для модели предиктора.
Когда мы закончили понимать нашу модель Predictor, давайте перейдем к прогнозированию значений.
Прогнозирование целевого значения
Мы начнем с прогнозирования, что только один параметр функции поддерживается ценой, и поэтому запрос должен выглядеть следующим образом.
ПРИМЕЧАНИЕ. При прогнозировании всегда вводите несколько параметров функции, поскольку точность прогноза снижается.
SELECT price
FROM mindsdb.flightprice_predictor
WHERE duration ='2.29';
SELECT price
FROM mindsdb.flightprice_predictor
WHERE airline = 'Vistara' and duration = '2.29';
Вы можете поиграть со значениями, чтобы спрогнозировать разные цены на основе набора данных.
Теперь мы успешно спрогнозировали цены на авиабилеты с помощью MindsDB.
Заключение
На этом урок завершается.
И наконец, прежде чем вы уйдете, мне бы хотелось узнать ваше мнение в разделе комментариев ниже, и было бы очень здорово, если бы вы поставили Like этой статье.
