螞蟻金服開源機器學習工具SQLFlow，機器學習比SQL還簡單
來自：開源最前線（ID：OpenSourceTop）
綜合自：AI前線、https://github.com/sql-machine-learning/sqlflow
5月6日，螞蟻金服副 CTO 胡喜正式宣布開源機器學習工具 SQLFlow：“未來三年，AI 能力會成為每一位技術人員的基本能力。我們希望通過開源 SQLFlow，降低人工智能應用的技術門檻，讓技術人員調用 AI 像 SQL 一樣簡單。”
目前，SQLFlow已經在GitHub上獲得1636個Star，236個Fork。（GitHub地址：https://github.com/sql-machine-learning/sqlflow）
SQLFlow 的目標是將 SQL 引擎和 AI 引擎連接起來，讓用戶僅需幾行 SQL 代碼就能描述整個應用或者產品背後的數據流和 AI 構造。其中所涉及的 SQL 引擎包括 MySQL、Oracle、Hive、SparkSQL、Flink 等支持用 SQL 或其某個變種語言描述數據，以及描述對數據的操作的系統。而這裏所指的 AI 引擎包括 TensorFlow、PyTorch 等深度學習系統，也包括 XGBoost、LibLinear、LibSVM 等傳統機器學習系統。
從 SQL 到機器學習
SQLFlow 可以看作一個翻譯器，它把擴展語法的 SQL 程序翻譯成一個被稱為 submitter 的程序，然後執行。 SQLFlow 提供一個抽象層，把各種 SQL 引擎抽象成一樣的。SQLFlow 還提供一個可擴展的機制，使得大家可以插入各種翻譯機制，得到基於不同 AI 引擎的 submitter 程序。
SQLFlow 對 SQL 語法的擴展意圖很簡單：在 SELECT 語句後面，加上一個擴展語法的 TRAIN 從句，即可實現 AI 模型的訓練。或者加上一個 PREDICT 從句即可實現用現有模型做預測。這樣的設計大大簡化了數據分析師的學習路徑。
此外，SQLFlow 也提供一些基本功能，可以供各種 submitter 翻譯插件使用，用來根據數據的特點，推導如何自動地把數據轉換成 features。這樣用戶就不需要在 TRAIN 從句裏描述這個轉換。
以上這些設計意圖在 SQLFlow 的開源代碼中都有體現。當然，SQLFlow 開發時間還比較短，仍然存在很多做的不夠細致的地方。螞蟻金服將其開源的另一個目的，就是希望能夠和各個 SQL 引擎團隊和各個 AI 團隊一起打造這座橫跨數據和 AI 的橋梁。
以下是使用樣本數據Iris.train 訓練Tensorflow DNNClassifer模型，並使用訓練模型運行預測的示例。你可以看到使用SQL編寫一些優雅的ML代碼有多酷：
sqlflow> SELECT *
FROM iris.train
TRAIN DNNClassifier
WITH n_classes = 3, hidden_units = [10, 20]
COLUMN sepal_length, sepal_width, petal_length, petal_width
LABEL class
INTO sqlflow_models.my_dnn_model;
...
Training set accuracy: 0.96721
Done training
sqlflow> SELECT *
FROM iris.test
PREDICT iris.predict.class
USING sqlflow_models.my_dnn_model;
...
Done predicting. Predict table : iris.predict
...
Training set accuracy: 0.96721
Done training
螞蟻金服開源機器學習工具SQLFlow，機器學習比SQL還簡單