資料庫必知詞彙：MADLib

Apache MADlib是Pivotal與UCBerkeley合作的一個基于SQL的資料庫内置的可擴充的開源機器學習庫，提供了精确的資料并行實作、統計和機器學習方法對結構化和非結構化資料進行分析。MADlib提供了豐富的分析模型，包括回歸分析，決策樹，随機森林，貝葉斯分類，向量機，風險模型，KMEAN聚集，文本挖掘，資料校驗等。

MADlib提供了精确的資料并行實作、統計和機器學習方法對結構化和非結構化資料進行分析，主要目的是擴充資料庫的分析能力，可以非常友善的加載到資料庫中, 擴充資料庫的分析功能，2015年7月MADlib成為Apache軟體基金會的孵化項目，其最新版本為MADlib1.9，支援PostgreSQL、Greenplum資料庫和Apache HAWQ。In-Database Analytics的特性使其大大擴充了資料庫的分析功能，充分利用MPP架構使其能夠快速處理海量資料集。

MADlib能直接在資料庫中使用SQL語句對資料進行資料分析，使資料分析的變得便捷友善，是很實用和強大的資料分析工具。

特點：

• 擅長矩陣計算和仿真模拟；
• 具有豐富的數學函數，适合算法開發或自主的程式開發；
• 具有強大的繪圖功能。

它不是面向程式員的，而是面向資料庫開發或DBA的。如果用一句話說明什麼是MADlib，那就是“SQL中的大資料機器學習庫”。通常SQL查詢能發現資料最明顯的模式和趨勢，但要想擷取資料中最為有用的資訊，需要的其實是完全不同的另一套技術，一套牢固紮根于數學和應用數學的技能，當然指的就是資料挖掘或機器學習，而具備這種技術的人才似乎隻存在于學術界中。如果能将SQL的簡單易用與資料挖掘的複雜算法結合起來，充分利用兩者的優勢和特點，那對于廣大傳統資料庫應用技術人員來說，學習和從事資料挖掘工作的門檻将大大降低。現在，魚和熊掌兼得的機會來了，DBAer不用現學Python、R或MATLAB，隻要使用MADlib，用SQL就能實作簡單的資料挖掘。

資料來源：

Apache頂級開源項目——機器學習庫MADlib簡介與應用執行個體

https://www.sohu.com/a/272091763_747818

資料庫資料分析擴充—MADlib

http://blog.geohey.com/shu-ju-ku-shu-ju-fen-xi-kuo-zhan-madlib/