SQLFlow|让AI造福金融，支付宝端到端AI系统SQLFlow实践( 五 ) 模型|系统|数据|

最后一个例子是 SQLFlow 的重要贡献者滴滴在去年云栖大会分享的一个应用：滴滴司机出车偏好分析。探索出不同类别的司机，可以为后续策略投放和管理提供信息。左侧数据表中为每个司机的每天的出车时长数据，每一列表示10分钟，一天有144个10分钟，就是144个数据点，每个点是在这10分钟内司机出车的时间比例。这样我们就可以在JupyterNotebook使用 matplot 得到如下图的这样的可视化展示，这张图里明显看不出来任何规律。

文章图片

然后我们使用DeepEmbeddingClusterModel来进行聚类分析，编写如下的SQL：

SELECT * FROM driver_log.train

TO TRAIN sqlflow_models.DeepEmbeddingClusterModel

WITH model.n_clusters=5

INTO cluster_dirver_model;

其中 model.n_clusters=5 指定把数据聚成5类。然后使用下面预测SQL语句输出聚类结果：

SELECT * FROM driver_log.train

TO PREDICT dirver_log.predict.class

USING cluster_driver_model;

然后再次使用matplot ，根据类别绘制司机出车时长，可以得到如下这张图，比如我们可以这样解释这张图：司机分成了自由职业司机，定时上下班司机， 996司机，佛系司机，夜猫子司机5大类。当然我们也可以探索不同数目的聚类结果，可能会发现更多的规律。

文章图片

总结 SQLFlow 不但将数据库和 AI 系统连接起来，还提供将一段 SQL 程序自动根据依赖关系编译成并发执行的工作流，在 Kubernetes 集群上分布式地运行。 SQLFlow 提供了丰富的内置模型和 Model Zoo ，用户只需要编写 SQL 就可以完成完整 AI 任务的构建，算法同学可以更加专注于建模工作，大大降低构建 AI 系统的成本和时间。如果您对 SQLFlow 项目感兴趣，可以在 SQLFlow Github 社区获得帮助。也可以使用我们提供的本地 playground 快速试用。