Plongeons dans l’univers du machine learning.
Les ML Functions vous permettent d’entrainer des modèles et d’exécuter l’inférence entièrement en SQL! Elles simplifient le processus de création, d’entraînement et de déploiement des modèles de machine learning.
Commencez par créer la table ci-dessous.
-- Table utilisée pour l'entrainement du modèle
CREATE STAGE IF NOT EXISTS frosty_aws_stage
URL = 's3://frostyfridaychallenges/';
CREATE OR REPLACE TABLE WEEK_90 AS
SELECT
$1::TIMESTAMP_NTZ AS SALE_DATE,
$2::INT AS PRODUCT_ID,
$3::INT AS QUANTITY_SOLD,
$4::INT AS UNIT_PRICE,
$5/100::FLOAT AS TAX_PCT,
$6/100::FLOAT AS DCT_PCT
FROM @FROSTY_AWS_STAGE/challenge_90
WHERE $1 != 'Date';
Utilisez cette table pour prédire la quantité vendue le 29 Octobre 2023 pour les différents produits.
-- -- Table utilisée pour l'inférence
CREATE OR REPLACE TABLE WEEK_90_F LIKE WEEK_90;
ALTER TABLE WEEK_90_F DROP COLUMN QUANTITY_SOLD;
INSERT INTO WEEK_90_F VALUES
(TO_TIMESTAMP_NTZ('2023-10-29'), 1000, 450, 0.1, 0.02),
(TO_TIMESTAMP_NTZ('2023-10-29'), 1001, 150, 0.15, 0.02),
(TO_TIMESTAMP_NTZ('2023-10-29'), 1002, 100, 0.13, 0.18),
(TO_TIMESTAMP_NTZ('2023-10-29'), 1003, 170, 0.11, 0.03),
(TO_TIMESTAMP_NTZ('2023-10-29'), 1004, 300, 0.04, 0.03);
Votre résultat devrait être similaire à ceci.
Laisser un commentaire
Vous devez vous connecter pour publier un commentaire.