Toplama Fonksiyonu Referansı 

sayma 

Satır veya NOT-NULL değerleri sayar.

ClickHouse için aşağıdaki sözdizimleri destekler count:
- count(expr) veya COUNT(DISTINCT expr).
- count() veya COUNT(*). Bu count() sözdizimi ClickHouse özeldir.

Parametre

Fonksiyon alabilir:

  • Sıfır parametreler.
  • Bir ifade.

Döndürülen değer

  • Fonksiyon parametreleri olmadan çağrılırsa, satır sayısını sayar.
  • Eğer... ifade geçirilir, daha sonra işlev bu ifadenin kaç kez NOT null döndürdüğünü sayar. İfad aede bir Nullable- type değeri, sonra sonucu count kalır değil Nullable. İfade döndürülürse işlev 0 döndürür NULL tüm satırlar için.

Her iki durumda da döndürülen değerin türü Uİnt64.

Ayrıntı

ClickHouse destekler COUNT(DISTINCT ...) sözdizimi. Bu yapının davranışı Aşağıdakilere bağlıdır count_distinct_implementation ayar. Aşağıdakilerden hang theisini tanımlar uniq* fonksiyonlar işlemi gerçekleştirmek için kullanılır. Varsayılan değer uniqExact İşlev.

Bu SELECT count() FROM table tablodaki girdi sayısı ayrı olarak depolanmadığı için sorgu en iyi duruma getirilmez. Tablodan küçük bir sütun seçer ve içindeki değerlerin sayısını sayar.

Örnekler

Örnek 1:

SELECT count() FROM t
┌─count()─┐
│       5 │
└─────────┘

Örnek 2:

SELECT name, value FROM system.settings WHERE name = 'count_distinct_implementation'
┌─name──────────────────────────┬─value─────┐
│ count_distinct_implementation │ uniqExact │
└───────────────────────────────┴───────────┘
SELECT count(DISTINCT num) FROM t
┌─uniqExact(num)─┐
│              3 │
└────────────────┘

Bu örnek gösteriyor ki count(DISTINCT num) tarafından gerçekleştirilir uniqExact fonksiyonu göre count_distinct_implementation ayar değeri.

herhangi(x) 

İlk karşılaşılan değeri seçer.
Sorgu herhangi bir sırada ve hatta her seferinde farklı bir sırada çalıştırılabilir, bu nedenle bu işlevin sonucu belirsizdir.
Belirli bir sonuç elde etmek için ‘min’ veya ‘max’ fonksiyon yerine ‘any’.

Bazı durumlarda, yürütme sırasına güvenebilirsiniz. Bu, select ORDER BY kullanan bir alt sorgudan geldiğinde durumlar için geçerlidir.

Ne zaman bir SELECT sorgu vardır GROUP BY yan tümce veya en az bir toplama işlevi, ClickHouse (Mysql'in aksine), tüm ifadelerin SELECT, HAVING, ve ORDER BY anahtar functionslardan veya toplama işlev .lerinden hesaplan .malıdır. Başka bir deyişle, tablodan seçilen her sütun, anahtarlarda veya toplama işlevlerinde kullanılmalıdır. Mysql'de olduğu gibi davranış elde etmek için, diğer sütunları any toplama işlevi.

anyHeavy (x) 

Kullanarak sık oluşan bir değer seçer ağır vurucular algoritma. Sorgunun yürütme iş parçacığı her durumda yarısından fazlasını oluşan bir değer varsa, bu değer döndürülür. Normalde, sonuç belirsizdir.

anyHeavy(column)

Değişkenler

  • column – The column name.

Örnek

Tak thee the OnTime veri kümesi ve herhangi bir sık oluşan değeri seçin AirlineID sütun.

SELECT anyHeavy(AirlineID) AS res
FROM ontime
┌───res─┐
│ 19690 │
└───────┘

anyLast(x) 

Karşılaşılan son değeri seçer.
Sonuç için olduğu kadar belirsiz any İşlev.

groupBitAnd 

Bitwise uygular AND sayı serisi için.

groupBitAnd(expr)

Parametre

expr – An expression that results in UInt* tür.

Dönüş değeri

Bu değer UInt* tür.

Örnek

Test verileri:

binary     decimal
00101100 = 44
00011100 = 28
00001101 = 13
01010101 = 85

Sorgu:

SELECT groupBitAnd(num) FROM t

Nerede num test verileri ile sütundur.

Sonuç:

binary     decimal
00000100 = 4

groupBitOr 

Bitwise uygular OR sayı serisi için.

groupBitOr(expr)

Parametre

expr – An expression that results in UInt* tür.

Dönüş değeri

Bu değer UInt* tür.

Örnek

Test verileri:

binary     decimal
00101100 = 44
00011100 = 28
00001101 = 13
01010101 = 85

Sorgu:

SELECT groupBitOr(num) FROM t

Nerede num test verileri ile sütundur.

Sonuç:

binary     decimal
01111101 = 125

groupBitXor 

Bitwise uygular XOR sayı serisi için.

groupBitXor(expr)

Parametre

expr – An expression that results in UInt* tür.

Dönüş değeri

Bu değer UInt* tür.

Örnek

Test verileri:

binary     decimal
00101100 = 44
00011100 = 28
00001101 = 13
01010101 = 85

Sorgu:

SELECT groupBitXor(num) FROM t

Nerede num test verileri ile sütundur.

Sonuç:

binary     decimal
01101000 = 104

groupBitmap 

İşaretsiz tamsayı sütun, Uınt64 tür iade önem, gelen bit eşlem veya Toplama hesaplamaları suffix ekleme -Devlet, sonra iade bitmap nesnesi.

groupBitmap(expr)

Parametre

expr – An expression that results in UInt* tür.

Dönüş değeri

Bu değer UInt64 tür.

Örnek

Test verileri:

UserID
1
1
2
3

Sorgu:

SELECT groupBitmap(UserID) as num FROM t

Sonuç:

num
3

min (x) 

Minimum hesaplar.

max (x) 

Maksimum hesaplar.

argMin (arg, val) 

Hesaplar ‘arg’ minimum değer ‘val’ değer. Birkaç farklı değer varsa ‘arg’ minimum değerler için ‘val’, karşılaşılan bu değerlerin ilki çıktıdır.

Örnek:

┌─user─────┬─salary─┐
│ director │   5000 │
│ manager  │   3000 │
│ worker   │   1000 │
└──────────┴────────┘
SELECT argMin(user, salary) FROM salary
┌─argMin(user, salary)─┐
│ worker               │
└──────────────────────┘

argMax (arg, val) 

Hesaplar ‘arg’ maksimum değer ‘val’ değer. Birkaç farklı değer varsa ‘arg’ maksimum değerler için ‘val’, karşılaşılan bu değerlerin ilki çıktıdır.

s (um (x) 

Toplamı hesaplar.
Sadece sayılar için çalışır.

sumWithOverflow(x) 

Giriş parametreleri için olduğu gibi sonuç için aynı veri türünü kullanarak sayıların toplamını hesaplar. Toplam bu veri türü için en büyük değeri aşarsa, işlev bir hata döndürür.

Sadece sayılar için çalışır.

sumMap (anahtar, değer), sumMap(Tuple (anahtar, değer)) 

Toplam thelar ‘value’ belirtilen tuş accordinglara göre dizi ‘key’ dizi.
Anahtarları ve değerleri diziler dizi geçen anahtarları ve değerleri iki dizi geçen synonymical var.
Eleman sayısı ‘key’ ve ‘value’ toplam her satır için aynı olmalıdır.
Returns a tuple of two arrays: keys in sorted order, and values ​​summed for the corresponding keys.

Örnek:

CREATE TABLE sum_map(
    date Date,
    timeslot DateTime,
    statusMap Nested(
        status UInt16,
        requests UInt64
    ),
    statusMapTuple Tuple(Array(Int32), Array(Int32))
) ENGINE = Log;
INSERT INTO sum_map VALUES
    ('2000-01-01', '2000-01-01 00:00:00', [1, 2, 3], [10, 10, 10], ([1, 2, 3], [10, 10, 10])),
    ('2000-01-01', '2000-01-01 00:00:00', [3, 4, 5], [10, 10, 10], ([3, 4, 5], [10, 10, 10])),
    ('2000-01-01', '2000-01-01 00:01:00', [4, 5, 6], [10, 10, 10], ([4, 5, 6], [10, 10, 10])),
    ('2000-01-01', '2000-01-01 00:01:00', [6, 7, 8], [10, 10, 10], ([6, 7, 8], [10, 10, 10]));

SELECT
    timeslot,
    sumMap(statusMap.status, statusMap.requests),
    sumMap(statusMapTuple)
FROM sum_map
GROUP BY timeslot
┌────────────timeslot─┬─sumMap(statusMap.status, statusMap.requests)─┬─sumMap(statusMapTuple)─────────┐
│ 2000-01-01 00:00:00 │ ([1,2,3,4,5],[10,10,20,10,10])               │ ([1,2,3,4,5],[10,10,20,10,10]) │
│ 2000-01-01 00:01:00 │ ([4,5,6,7,8],[10,10,20,10,10])               │ ([4,5,6,7,8],[10,10,20,10,10]) │
└─────────────────────┴──────────────────────────────────────────────┴────────────────────────────────┘

skewPop 

Hesaplar çarpıklık bir sıra.

skewPop(expr)

Parametre

exprİfade bir numara döndürüyor.

Döndürülen değer

The skewness of the given distribution. Type — Float64

Örnek

SELECT skewPop(value) FROM series_with_value_column

skewSamp 

Hesaplar örnek çarpıklık bir sıra.

Bir rassal değişkenin çarpıklığının tarafsız bir tahminini temsil eder.

skewSamp(expr)

Parametre

exprİfade bir numara döndürüyor.

Döndürülen değer

The skewness of the given distribution. Type — Float64. Eğer n <= 1 (n örnek boyutudur), daha sonra işlev döner nan.

Örnek

SELECT skewSamp(value) FROM series_with_value_column

kurtPop 

Hesaplar kurtosis bir sıra.

kurtPop(expr)

Parametre

exprİfade bir numara döndürüyor.

Döndürülen değer

The kurtosis of the given distribution. Type — Float64

Örnek

SELECT kurtPop(value) FROM series_with_value_column

kurtSamp 

Hesaplar örnek kurtoz bir sıra.

Eğer geçen değerleri örnek oluşturur, eğer bir rassal değişken kurtosis tarafsız bir tahmini temsil eder.

kurtSamp(expr)

Parametre

exprİfade bir numara döndürüyor.

Döndürülen değer

The kurtosis of the given distribution. Type — Float64. Eğer n <= 1 (n örnek bir boyutudur), daha sonra işlev döner nan.

Örnek

SELECT kurtSamp(value) FROM series_with_value_column

timeSeriesGroupSum(uıd, zaman damgası, değer) 

timeSeriesGroupSum örnek zaman damgası değil hizalama farklı zaman serileri toplayabilir.
İki örnek zaman damgası arasında doğrusal enterpolasyon kullanacak ve daha sonra zaman serilerini birlikte toplayacaktır.

  • uid zaman serisi benzersiz kimliği mi, UInt64.
  • timestamp milisaniye veya mikrosaniye desteklemek için Int64 türüdür.
  • value metr .iktir.

İşlev, tuples dizisini döndürür (timestamp, aggregated_value) çiftliler.

Bu işlevi kullanmadan önce emin olun timestamp artan düzende.

Örnek:

┌─uid─┬─timestamp─┬─value─┐
│ 1   │     2     │   0.2 │
│ 1   │     7     │   0.7 │
│ 1   │    12     │   1.2 │
│ 1   │    17     │   1.7 │
│ 1   │    25     │   2.5 │
│ 2   │     3     │   0.6 │
│ 2   │     8     │   1.6 │
│ 2   │    12     │   2.4 │
│ 2   │    18     │   3.6 │
│ 2   │    24     │   4.8 │
└─────┴───────────┴───────┘
CREATE TABLE time_series(
    uid       UInt64,
    timestamp Int64,
    value     Float64
) ENGINE = Memory;
INSERT INTO time_series VALUES
    (1,2,0.2),(1,7,0.7),(1,12,1.2),(1,17,1.7),(1,25,2.5),
    (2,3,0.6),(2,8,1.6),(2,12,2.4),(2,18,3.6),(2,24,4.8);

SELECT timeSeriesGroupSum(uid, timestamp, value)
FROM (
    SELECT * FROM time_series order by timestamp ASC
);

Ve sonuç olacak:

[(2,0.2),(3,0.9),(7,2.1),(8,2.4),(12,3.6),(17,5.1),(18,5.4),(24,7.2),(25,2.5)]

timeSeriesGroupRateSum(uıd, ts, val) 

Benzer şekilde timeSeriesGroupSum, timeSeriesGroupRateSum zaman serilerinin oranını hesaplar ve daha sonra toplam oranları birlikte hesaplar.
Ayrıca, bu işlevi kullanmadan önce zaman damgası yükseliş sırasına göre olmalıdır.

Bu fonksiyon dataun ver theiye uygulanması timeSeriesGroupSum örnek, aşağıdaki sonucu alırsınız:

[(2,0),(3,0.1),(7,0.3),(8,0.3),(12,0.3),(17,0.3),(18,0.3),(24,0.3),(25,0.1)]

avg (x) 

Ortalama hesaplar.
Sadece sayılar için çalışır.
Sonuç Her zaman Float64.

avgWeighted 

Hesaplar ağırlıklı aritmetik ortalama.

Sözdizimi

avgWeighted(x, weight)

Parametre

Türü x ve weight aynı olmalıdır.

Döndürülen değer

  • Ağırlıklı ortalama.
  • NaN. Tüm ağırlıklar 0'a eşitse.

Tür: Float64.

Örnek

Sorgu:

SELECT avgWeighted(x, w)
FROM values('x Int8, w Int8', (4, 1), (1, 0), (10, 2))

Sonuç:

┌─avgWeighted(x, weight)─┐
│                      8 │
└────────────────────────┘

uniq 

Bağımsız değişken farklı değerlerin yaklaşık sayısını hesaplar.

uniq(x[, ...])

Parametre

Fonksiyon değişken sayıda parametre alır. Parametreler olabilir Tuple, Array, Date, DateTime, String veya sayısal türleri.

Döndürülen değer

Uygulama Detayları

İşlev:

  • Toplamdaki tüm parametreler için bir karma hesaplar, daha sonra hesaplamalarda kullanır.

  • Bir adaptif örnekleme algoritması kullanır. Hesaplama durumu için işlev, 65536'ya kadar öğe karma değerlerinin bir örneğini kullanır.

    This algorithm is very accurate and very efficient on the CPU. When the query contains several of these functions, using `uniq` is almost as fast as using other aggregate functions.
    
  • Sonucu deterministically sağlar (sorgu işleme sırasına bağlı değildir).

Bu işlevi hemen hemen tüm senaryolarda kullanmanızı öneririz.

Ayrıca Bakınız

uniqCombined 

Farklı bağımsız değişken değerlerinin yaklaşık sayısını hesaplar.

uniqCombined(HLL_precision)(x[, ...])

Bu uniqCombined fonksiyon, farklı değerlerin sayısını hesaplamak için iyi bir seçimdir.

Parametre

Fonksiyon değişken sayıda parametre alır. Parametreler olabilir Tuple, Array, Date, DateTime, String veya sayısal türleri.

HLL_precision hücre sayısının baz-2 logaritmasıdır. HyperLogLog. İsteğe bağlı olarak işlevi kullanabilirsiniz uniqCombined(x[, ...]). İçin varsayılan değer HLL_precision etkin bir şekilde 96 KiB alan olan 17'dir (2^17 hücre, her biri 6 bit).

Döndürülen değer

Uygulama Detayları

İşlev:

  • Bir karma hesaplar (64-bit karma için String ve 32-bit aksi halde) agregadaki tüm parametreler için, hesaplamalarda kullanır.

  • Bir hata düzeltme tablosu ile dizi, karma tablo ve HyperLogLog: üç algoritmaları bir arada kullanır.

    For a small number of distinct elements, an array is used. When the set size is larger, a hash table is used. For a larger number of elements, HyperLogLog is used, which will occupy a fixed amount of memory.
    
  • Sonucu deterministically sağlar (sorgu işleme sırasına bağlı değildir).

İle karşılaştırıldığında uniq fonksiyonu, uniqCombined:

  • Birkaç kez daha az bellek tüketir.
  • Birkaç kat daha yüksek doğrulukla hesaplar.
  • Genellikle biraz daha düşük performansa sahiptir. Bazı senaryolarda, uniqCombined daha iyi performans gösterebilir uniq örneğin, ağ üzerinden çok sayıda toplama durumu ileten dağıtılmış sorgularla.

Ayrıca Bakınız

uniqCombined64 

Aynı olarak uniqCombined, ancak tüm veri türleri için 64 bit karma kullanır.

uniqHLL12 

Farklı argüman değerlerinin yaklaşık sayısını hesaplar HyperLogLog algoritma.

uniqHLL12(x[, ...])

Parametre

Fonksiyon değişken sayıda parametre alır. Parametreler olabilir Tuple, Array, Date, DateTime, String veya sayısal türleri.

Döndürülen değer

Uygulama Detayları

İşlev:

  • Toplamdaki tüm parametreler için bir karma hesaplar, daha sonra hesaplamalarda kullanır.

  • Farklı bağımsız değişken değerlerinin sayısını yaklaştırmak için HyperLogLog algoritmasını kullanır.

    212 5-bit cells are used. The size of the state is slightly more than 2.5 KB. The result is not very accurate (up to ~10% error) for small data sets (<10K elements). However, the result is fairly accurate for high-cardinality data sets (10K-100M), with a maximum error of ~1.6%. Starting from 100M, the estimation error increases, and the function will return very inaccurate results for data sets with extremely high cardinality (1B+ elements).
    
  • Belirli sonucu sağlar (sorgu işleme sırasına bağlı değildir).

Bu işlevi kullanmanızı önermiyoruz. Çoğu durumda, kullan uniq veya uniqCombined İşlev.

Ayrıca Bakınız

uniqExact 

Farklı bağımsız değişken değerlerinin tam sayısını hesaplar.

uniqExact(x[, ...])

Kullan... uniqExact kesinlikle kesin bir sonuca ihtiyacınız varsa işlev. Aksi takdirde kullanın uniq İşlev.

Bu uniqExact fonksiyonu daha fazla bellek kullanır uniq, çünkü farklı değerlerin sayısı arttıkça devletin büyüklüğü sınırsız büyümeye sahiptir.

Parametre

Fonksiyon değişken sayıda parametre alır. Parametreler olabilir Tuple, Array, Date, DateTime, String veya sayısal türleri.

Ayrıca Bakınız

groupArray (x), groupArray (max_size)(x) 

Bağımsız değişken değerleri dizisi oluşturur.
Değerler diziye herhangi bir (belirsiz) sırayla eklenebilir.

İkinci versiyonu (ile max_size parametre), elde edilen dizinin boyutunu sınırlar max_size öğeler.
Mesela, groupArray (1) (x) eşdeğ toer equivalentdir [any (x)].

Bazı durumlarda, hala yürütme sırasına güvenebilirsiniz. Bu, aşağıdaki durumlar için geçerlidir SELECT kullanan bir alt sorgudan gelir ORDER BY.

grouparrayınsertat 

Belirtilen konumda diziye bir değer ekler.

Sözdizimi

groupArrayInsertAt(default_x, size)(x, pos);

Bir sorguda aynı konuma birkaç değer eklenirse, işlev aşağıdaki şekillerde davranır:

  • Bir sorgu tek bir iş parçacığında yürütülürse, eklenen değerlerden ilki kullanılır.
  • Bir sorgu birden çok iş parçacığında yürütülürse, ortaya çıkan değer, eklenen değerlerden belirsiz bir değerdir.

Parametre

  • x — Value to be inserted. İfade biri sonuçta desteklenen veri türleri.
  • pos — Position at which the specified element x eklen .ecektir. Dizideki dizin numaralandırma sıfırdan başlar. Uİnt32.
  • default_x— Default value for substituting in empty positions. Optional parameter. İfade için yapılandırılmış veri türü ile sonuçlanan x parametre. Eğer default_x tanımlan ,mamıştır, varsayılan değerler kullanılır.
  • size— Length of the resulting array. Optional parameter. When using this parameter, the default value default_x belirt .ilmelidir. Uİnt32.

Döndürülen değer

  • Eklenen değerlerle dizi.

Tür: Dizi.

Örnek

Sorgu:

SELECT groupArrayInsertAt(toString(number), number * 2) FROM numbers(5);

Sonuç:

┌─groupArrayInsertAt(toString(number), multiply(number, 2))─┐
│ ['0','','1','','2','','3','','4']                         │
└───────────────────────────────────────────────────────────┘

Sorgu:

SELECT groupArrayInsertAt('-')(toString(number), number * 2) FROM numbers(5);

Sonuç:

┌─groupArrayInsertAt('-')(toString(number), multiply(number, 2))─┐
│ ['0','-','1','-','2','-','3','-','4']                          │
└────────────────────────────────────────────────────────────────┘

Sorgu:

SELECT groupArrayInsertAt('-', 5)(toString(number), number * 2) FROM numbers(5);

Sonuç:

┌─groupArrayInsertAt('-', 5)(toString(number), multiply(number, 2))─┐
│ ['0','-','1','-','2']                                             │
└───────────────────────────────────────────────────────────────────┘

Elemanların tek bir konuma çok dişli yerleştirilmesi.

Sorgu:

SELECT groupArrayInsertAt(number, 0) FROM numbers_mt(10) SETTINGS max_block_size = 1;

Bu sorgu sonucunda rastgele tamsayı elde edersiniz [0,9] Aralık. Mesela:

┌─groupArrayInsertAt(number, 0)─┐
│ [7]                           │
└───────────────────────────────┘

groupArrayMovingSum 

Giriş değerlerinin hareketli toplamını hesaplar.

groupArrayMovingSum(numbers_for_summing)
groupArrayMovingSum(window_size)(numbers_for_summing)

İşlev, pencere boyutunu bir parametre olarak alabilir. Belirtilmemiş bırakılırsa, işlev, sütundaki satır sayısına eşit pencere boyutunu alır.

Parametre

  • numbers_for_summingİfade sayısal veri türü değeri ile sonuçlanır.
  • window_size — Size of the calculation window.

Döndürülen değerler

  • Giriş verileri ile aynı boyut ve türdeki dizi.

Örnek

Örnek tablo:

CREATE TABLE t
(
    `int` UInt8,
    `float` Float32,
    `dec` Decimal32(2)
)
ENGINE = TinyLog
┌─int─┬─float─┬──dec─┐
│   1 │   1.1 │ 1.10 │
│   2 │   2.2 │ 2.20 │
│   4 │   4.4 │ 4.40 │
│   7 │  7.77 │ 7.77 │
└─────┴───────┴──────┘

Sorgu:

SELECT
    groupArrayMovingSum(int) AS I,
    groupArrayMovingSum(float) AS F,
    groupArrayMovingSum(dec) AS D
FROM t
┌─I──────────┬─F───────────────────────────────┬─D──────────────────────┐
│ [1,3,7,14] │ [1.1,3.3000002,7.7000003,15.47] │ [1.10,3.30,7.70,15.47] │
└────────────┴─────────────────────────────────┴────────────────────────┘
SELECT
    groupArrayMovingSum(2)(int) AS I,
    groupArrayMovingSum(2)(float) AS F,
    groupArrayMovingSum(2)(dec) AS D
FROM t
┌─I──────────┬─F───────────────────────────────┬─D──────────────────────┐
│ [1,3,6,11] │ [1.1,3.3000002,6.6000004,12.17] │ [1.10,3.30,6.60,12.17] │
└────────────┴─────────────────────────────────┴────────────────────────┘

groupArrayMovingAvg 

Giriş değerlerinin hareketli ortalamasını hesaplar.

groupArrayMovingAvg(numbers_for_summing)
groupArrayMovingAvg(window_size)(numbers_for_summing)

İşlev, pencere boyutunu bir parametre olarak alabilir. Belirtilmemiş bırakılırsa, işlev, sütundaki satır sayısına eşit pencere boyutunu alır.

Parametre

  • numbers_for_summingİfade sayısal veri türü değeri ile sonuçlanır.
  • window_size — Size of the calculation window.

Döndürülen değerler

  • Giriş verileri ile aynı boyut ve türdeki dizi.

İşlev kullanır sıfıra doğru yuvarlama. Sonuç veri türü için önemsiz ondalık basamaklar keser.

Örnek

Örnek tablo b:

CREATE TABLE t
(
    `int` UInt8,
    `float` Float32,
    `dec` Decimal32(2)
)
ENGINE = TinyLog
┌─int─┬─float─┬──dec─┐
│   1 │   1.1 │ 1.10 │
│   2 │   2.2 │ 2.20 │
│   4 │   4.4 │ 4.40 │
│   7 │  7.77 │ 7.77 │
└─────┴───────┴──────┘

Sorgu:

SELECT
    groupArrayMovingAvg(int) AS I,
    groupArrayMovingAvg(float) AS F,
    groupArrayMovingAvg(dec) AS D
FROM t
┌─I─────────┬─F───────────────────────────────────┬─D─────────────────────┐
│ [0,0,1,3] │ [0.275,0.82500005,1.9250001,3.8675] │ [0.27,0.82,1.92,3.86] │
└───────────┴─────────────────────────────────────┴───────────────────────┘
SELECT
    groupArrayMovingAvg(2)(int) AS I,
    groupArrayMovingAvg(2)(float) AS F,
    groupArrayMovingAvg(2)(dec) AS D
FROM t
┌─I─────────┬─F────────────────────────────────┬─D─────────────────────┐
│ [0,1,3,5] │ [0.55,1.6500001,3.3000002,6.085] │ [0.55,1.65,3.30,6.08] │
└───────────┴──────────────────────────────────┴───────────────────────┘

groupUniqArray (x), groupUniqArray (max_size)(x) 

Farklı bağımsız değişken değerlerinden bir dizi oluşturur. Bellek tüketimi için aynıdır uniqExact İşlev.

İkinci versiyonu (ile max_size parametre), elde edilen dizinin boyutunu sınırlar max_size öğeler.
Mesela, groupUniqArray(1)(x) eşdeğ toer equivalentdir [any(x)].

quantile 

Yaklaşık hesaplar quantile sayısal veri dizisinin.

Bu işlev geçerlidir rezerv reservoiruar örnek samplinglemesi 8192'ye kadar bir rezervuar boyutu ve örnekleme için rastgele sayı üreteci ile. Sonuç deterministik değildir. Tam bir miktar elde etmek için quantileExact İşlev.

Çoklu kullanırken quantile* bir sorguda farklı düzeylerde işlevler, iç durumları birleştirilmez (diğer bir deyişle, sorgu olabilir daha az verimli çalışır). Bu durumda, kullan quantiles İşlev.

Sözdizimi

quantile(level)(expr)

Takma ad: median.

Parametre

  • level — Level of quantile. Optional parameter. Constant floating-point number from 0 to 1. We recommend using a level aralığında değer [0.01, 0.99]. Varsayılan değer: 0.5. Yanında level=0.5 fonksiyon hesaplar medyan.
  • expr — Expression over the column values resulting in numeric veri türleri, Tarihli veya DateTime.

Döndürülen değer

  • Belirtilen seviyenin yaklaşık miktarı.

Tür:

  • Float64 sayısal veri türü girişi için.
  • Tarihli giriş değerleri varsa Date tür.
  • DateTime giriş değerleri varsa DateTime tür.

Örnek

Giriş tablosu:

┌─val─┐
│   1 │
│   1 │
│   2 │
│   3 │
└─────┘

Sorgu:

SELECT quantile(val) FROM t

Sonuç:

┌─quantile(val)─┐
│           1.5 │
└───────────────┘

Ayrıca Bakınız

quantileDeterministic 

Yaklaşık hesaplar quantile sayısal veri dizisinin.

Bu işlev geçerlidir rezerv reservoiruar örnek samplinglemesi 8192'ye kadar bir rezervuar boyutu ve örnekleme deterministik algoritması ile. Sonuç deterministiktir. Tam bir miktar elde etmek için quantileExact İşlev.

Çoklu kullanırken quantile* bir sorguda farklı düzeylerde işlevler, iç durumları birleştirilmez (diğer bir deyişle, sorgu olabilir daha az verimli çalışır). Bu durumda, kullan quantiles İşlev.

Sözdizimi

quantileDeterministic(level)(expr, determinator)

Takma ad: medianDeterministic.

Parametre

  • level — Level of quantile. Optional parameter. Constant floating-point number from 0 to 1. We recommend using a level aralığında değer [0.01, 0.99]. Varsayılan değer: 0.5. Yanında level=0.5 fonksiyon hesaplar medyan.
  • expr — Expression over the column values resulting in numeric veri türleri, Tarihli veya DateTime.
  • determinator — Number whose hash is used instead of a random number generator in the reservoir sampling algorithm to make the result of sampling deterministic. As a determinator you can use any deterministic positive number, for example, a user id or an event id. If the same determinator value occures too often, the function works incorrectly.

Döndürülen değer

  • Belirtilen seviyenin yaklaşık miktarı.

Tür:

  • Float64 sayısal veri türü girişi için.
  • Tarihli giriş değerleri varsa Date tür.
  • DateTime giriş değerleri varsa DateTime tür.

Örnek

Giriş tablosu:

┌─val─┐
│   1 │
│   1 │
│   2 │
│   3 │
└─────┘

Sorgu:

SELECT quantileDeterministic(val, 1) FROM t

Sonuç:

┌─quantileDeterministic(val, 1)─┐
│                           1.5 │
└───────────────────────────────┘

Ayrıca Bakınız

quantileExact 

Tam olarak hesaplar quantile sayısal veri dizisinin.

To get exact value, all the passed values ​​are combined into an array, which is then partially sorted. Therefore, the function consumes O(n) bellek, nerede n geçirilen değerler say .ısıdır. Bununla birlikte, az sayıda değer için, işlev çok etkilidir.

Çoklu kullanırken quantile* bir sorguda farklı düzeylerde işlevler, iç durumları birleştirilmez (diğer bir deyişle, sorgu olabilir daha az verimli çalışır). Bu durumda, kullan quantiles İşlev.

Sözdizimi

quantileExact(level)(expr)

Takma ad: medianExact.

Parametre

  • level — Level of quantile. Optional parameter. Constant floating-point number from 0 to 1. We recommend using a level aralığında değer [0.01, 0.99]. Varsayılan değer: 0.5. Yanında level=0.5 fonksiyon hesaplar medyan.
  • expr — Expression over the column values resulting in numeric veri türleri, Tarihli veya DateTime.

Döndürülen değer

  • Belirtilen seviyenin miktarı.

Tür:

  • Float64 sayısal veri türü girişi için.
  • Tarihli giriş değerleri varsa Date tür.
  • DateTime giriş değerleri varsa DateTime tür.

Örnek

Sorgu:

SELECT quantileExact(number) FROM numbers(10)

Sonuç:

┌─quantileExact(number)─┐
│                     5 │
└───────────────────────┘

Ayrıca Bakınız

quantilexactweighted 

Tam olarak hesaplar quantile her elemanın ağırlığını dikkate alarak sayısal bir veri dizisinin.

To get exact value, all the passed values ​​are combined into an array, which is then partially sorted. Each value is counted with its weight, as if it is present weight times. A hash table is used in the algorithm. Because of this, if the passed values ​​are frequently repeated, the function consumes less RAM than quantileExact. Bunun yerine bu işlevi kullanabilirsiniz quantileExact ve 1 ağırlığını belirtin.

Çoklu kullanırken quantile* bir sorguda farklı düzeylerde işlevler, iç durumları birleştirilmez (diğer bir deyişle, sorgu olabilir daha az verimli çalışır). Bu durumda, kullan quantiles İşlev.

Sözdizimi

quantileExactWeighted(level)(expr, weight)

Takma ad: medianExactWeighted.

Parametre

  • level — Level of quantile. Optional parameter. Constant floating-point number from 0 to 1. We recommend using a level aralığında değer [0.01, 0.99]. Varsayılan değer: 0.5. Yanında level=0.5 fonksiyon hesaplar medyan.
  • expr — Expression over the column values resulting in numeric veri türleri, Tarihli veya DateTime.
  • weight — Column with weights of sequence members. Weight is a number of value occurrences.

Döndürülen değer

  • Belirtilen seviyenin miktarı.

Tür:

  • Float64 sayısal veri türü girişi için.
  • Tarihli giriş değerleri varsa Date tür.
  • DateTime giriş değerleri varsa DateTime tür.

Örnek

Giriş tablosu:

┌─n─┬─val─┐
│ 0 │   3 │
│ 1 │   2 │
│ 2 │   1 │
│ 5 │   4 │
└───┴─────┘

Sorgu:

SELECT quantileExactWeighted(n, val) FROM t

Sonuç:

┌─quantileExactWeighted(n, val)─┐
│                             1 │
└───────────────────────────────┘

Ayrıca Bakınız

quantileTiming 

Belirlenen hassas hesaplar ile quantile sayısal veri dizisinin.

Sonuç deterministiktir (sorgu işleme sırasına bağlı değildir). Fonksiyon yükleme web sayfaları kez veya arka uç yanıt süreleri gibi dağılımları tanımlamak dizileri ile çalışmak için optimize edilmiştir.

Çoklu kullanırken quantile* bir sorguda farklı düzeylerde işlevler, iç durumları birleştirilmez (diğer bir deyişle, sorgu olabilir daha az verimli çalışır). Bu durumda, kullan quantiles İşlev.

Sözdizimi

quantileTiming(level)(expr)

Takma ad: medianTiming.

Parametre

  • level — Level of quantile. Optional parameter. Constant floating-point number from 0 to 1. We recommend using a level aralığında değer [0.01, 0.99]. Varsayılan değer: 0.5. Yanında level=0.5 fonksiyon hesaplar medyan.

  • exprİfade bir sütun değerleri üzerinde dönen bir Yüzdürmek*- tip numarası.

    - If negative values are passed to the function, the behavior is undefined.
    - If the value is greater than 30,000 (a page loading time of more than 30 seconds), it is assumed to be 30,000.
    

Doğruluk

Hesaplama doğru ise:

  • Toplam değer sayısı 5670'i geçmez.
  • Toplam değer sayısı 5670'i aşıyor, ancak sayfa yükleme süresi 1024 ms'den az.

Aksi takdirde, hesaplamanın sonucu 16 MS'nin en yakın katlarına yuvarlanır.

Döndürülen değer

  • Belirtilen seviyenin miktarı.

Tür: Float32.

Örnek

Giriş tablosu:

┌─response_time─┐
│            72 │
│           112 │
│           126 │
│           145 │
│           104 │
│           242 │
│           313 │
│           168 │
│           108 │
└───────────────┘

Sorgu:

SELECT quantileTiming(response_time) FROM t

Sonuç:

┌─quantileTiming(response_time)─┐
│                           126 │
└───────────────────────────────┘

Ayrıca Bakınız

niceletimingweighted 

Belirlenen hassas hesaplar ile quantile her sıra üyesi ağırlığına göre sayısal veri dizisi.

Sonuç deterministiktir (sorgu işleme sırasına bağlı değildir). Fonksiyon yükleme web sayfaları kez veya arka uç yanıt süreleri gibi dağılımları tanımlamak dizileri ile çalışmak için optimize edilmiştir.

Çoklu kullanırken quantile* bir sorguda farklı düzeylerde işlevler, iç durumları birleştirilmez (diğer bir deyişle, sorgu olabilir daha az verimli çalışır). Bu durumda, kullan quantiles İşlev.

Sözdizimi

quantileTimingWeighted(level)(expr, weight)

Takma ad: medianTimingWeighted.

Parametre

  • level — Level of quantile. Optional parameter. Constant floating-point number from 0 to 1. We recommend using a level aralığında değer [0.01, 0.99]. Varsayılan değer: 0.5. Yanında level=0.5 fonksiyon hesaplar medyan.

  • exprİfade bir sütun değerleri üzerinde dönen bir Yüzdürmek*- tip numarası.

    - If negative values are passed to the function, the behavior is undefined.
    - If the value is greater than 30,000 (a page loading time of more than 30 seconds), it is assumed to be 30,000.
    
  • weight — Column with weights of sequence elements. Weight is a number of value occurrences.

Doğruluk

Hesaplama doğru ise:

  • Toplam değer sayısı 5670'i geçmez.
  • Toplam değer sayısı 5670'i aşıyor, ancak sayfa yükleme süresi 1024 ms'den az.

Aksi takdirde, hesaplamanın sonucu 16 MS'nin en yakın katlarına yuvarlanır.

Döndürülen değer

  • Belirtilen seviyenin miktarı.

Tür: Float32.

Örnek

Giriş tablosu:

┌─response_time─┬─weight─┐
│            68 │      1 │
│           104 │      2 │
│           112 │      3 │
│           126 │      2 │
│           138 │      1 │
│           162 │      1 │
└───────────────┴────────┘

Sorgu:

SELECT quantileTimingWeighted(response_time, weight) FROM t

Sonuç:

┌─quantileTimingWeighted(response_time, weight)─┐
│                                           112 │
└───────────────────────────────────────────────┘

Ayrıca Bakınız

quantileTDigest 

Yaklaşık hesaplar quantile kullanarak sayısal veri diz ofisinin t-dig -est algoritma.

Maksimum hata %1'dir. Bellek tüketimi log(n), nere n değer say isısıdır. Sonuç, sorguyu çalıştırma sırasına bağlıdır ve nondeterministic.

Fonksiyonun performansı, performanstan daha düşüktür quantile veya quantileTiming. Durum boyutunun hassasiyete oranı açısından, bu işlev çok daha iyidir quantile.

Çoklu kullanırken quantile* bir sorguda farklı düzeylerde işlevler, iç durumları birleştirilmez (diğer bir deyişle, sorgu olabilir daha az verimli çalışır). Bu durumda, kullan quantiles İşlev.

Sözdizimi

quantileTDigest(level)(expr)

Takma ad: medianTDigest.

Parametre

  • level — Level of quantile. Optional parameter. Constant floating-point number from 0 to 1. We recommend using a level aralığında değer [0.01, 0.99]. Varsayılan değer: 0.5. Yanında level=0.5 fonksiyon hesaplar medyan.
  • expr — Expression over the column values resulting in numeric veri türleri, Tarihli veya DateTime.

Döndürülen değer

  • Belirtilen seviyenin yaklaşık miktarı.

Tür:

  • Float64 sayısal veri türü girişi için.
  • Tarihli giriş değerleri varsa Date tür.
  • DateTime giriş değerleri varsa DateTime tür.

Örnek

Sorgu:

SELECT quantileTDigest(number) FROM numbers(10)

Sonuç:

┌─quantileTDigest(number)─┐
│                     4.5 │
└─────────────────────────┘

Ayrıca Bakınız

quantileTDigestWeighted 

Yaklaşık hesaplar quantile kullanarak sayısal veri diz ofisinin t-dig -est algoritma. İşlev, her sıra üyesinin ağırlığını dikkate alır. Maksimum hata %1'dir. Bellek tüketimi log(n), nere n değer say isısıdır.

Fonksiyonun performansı, performanstan daha düşüktür quantile veya quantileTiming. Durum boyutunun hassasiyete oranı açısından, bu işlev çok daha iyidir quantile.

Sonuç, sorguyu çalıştırma sırasına bağlıdır ve nondeterministic.

Çoklu kullanırken quantile* bir sorguda farklı düzeylerde işlevler, iç durumları birleştirilmez (diğer bir deyişle, sorgu olabilir daha az verimli çalışır). Bu durumda, kullan quantiles İşlev.

Sözdizimi

quantileTDigest(level)(expr)

Takma ad: medianTDigest.

Parametre

  • level — Level of quantile. Optional parameter. Constant floating-point number from 0 to 1. We recommend using a level aralığında değer [0.01, 0.99]. Varsayılan değer: 0.5. Yanında level=0.5 fonksiyon hesaplar medyan.
  • expr — Expression over the column values resulting in numeric veri türleri, Tarihli veya DateTime.
  • weight — Column with weights of sequence elements. Weight is a number of value occurrences.

Döndürülen değer

  • Belirtilen seviyenin yaklaşık miktarı.

Tür:

  • Float64 sayısal veri türü girişi için.
  • Tarihli giriş değerleri varsa Date tür.
  • DateTime giriş değerleri varsa DateTime tür.

Örnek

Sorgu:

SELECT quantileTDigestWeighted(number, 1) FROM numbers(10)

Sonuç:

┌─quantileTDigestWeighted(number, 1)─┐
│                                4.5 │
└────────────────────────────────────┘

Ayrıca Bakınız

medyan 

Bu median* fonksiyonlar karşılık gelen takma adlardır quantile* işlevler. Sayısal bir veri örneğinin medyanını hesaplarlar.

İşlevler:

Örnek

Giriş tablosu:

┌─val─┐
│   1 │
│   1 │
│   2 │
│   3 │
└─────┘

Sorgu:

SELECT medianDeterministic(val, 1) FROM t

Sonuç:

┌─medianDeterministic(val, 1)─┐
│                         1.5 │
└─────────────────────────────┘

quantiles(level1, level2, …)(x) 

Tüm quantile fonksiyonları da karşılık gelen quantile fonksiyonlarına sahiptir: quantiles, quantilesDeterministic, quantilesTiming, quantilesTimingWeighted, quantilesExact, quantilesExactWeighted, quantilesTDigest. Bu işlevler, listelenen seviyelerin tüm nicelerini tek geçişte hesaplar ve elde edilen değerlerin bir dizisini döndürür.

varSamp (x) 

Miktarı hesaplar Σ((x - x̅)^2) / (n - 1), nere n örneklem büyüklüğü ve ortalama değer isidir x.

Bir rassal değişkenin varyansının tarafsız bir tahminini temsil eder, eğer geçirilen değerler numunesini oluşturursa.

Dönüşler Float64. Ne zaman n <= 1, dönüşler +∞.

varPop (x) 

Miktarı hesaplar Σ((x - x̅)^2) / n, nere n örneklem büyüklüğü ve ortalama değer isidir x.

Başka bir deyişle, bir dizi değer için dağılım. Dönüşler Float64.

stddevSamp(x) 

Sonuç kareköküne eşittir varSamp(x).

stddevPop(x) 

Sonuç kareköküne eşittir varPop(x).

topK (N) (x) 

Belirtilen sütundaki yaklaşık en sık değerleri bir dizi döndürür. Elde edilen dizi, değerlerin yaklaşık frekansının azalan sırasına göre sıralanır (değerlerin kendileri tarafından değil).

Uygular Filtrelenmiş Yerden Tasarruf TopK analiz etmek için algoritma, azaltmak ve birleştirmek algoritması dayalı Paralel Alan Tasarrufu.

topK(N)(column)

Bu işlev garantili bir sonuç sağlamaz. Bazı durumlarda, hatalar oluşabilir ve en sık kullanılan değerler olmayan sık değerler döndürebilir.

Biz kullanmanızı öneririz N < 10 değer; performans büyük ile azalır N değerler. Maksimum değeri N = 65536.

Parametre

  • ‘N’ dönmek için Öğe sayısıdır.

Parametre atlanırsa, varsayılan değer 10 kullanılır.

Değişkenler

  • ' x ' – The value to calculate frequency.

Örnek

Tak thee the OnTime veri kümesi ve üç en sık oluşan değerleri seçin AirlineID sütun.

SELECT topK(3)(AirlineID) AS res
FROM ontime
┌─res─────────────────┐
│ [19393,19790,19805] │
└─────────────────────┘

topKWeighted 

Benzer topK ancak tamsayı türünde bir ek argüman alır - weight. Her değer muhasebeleştirilir weight frekans hesaplaması için zamanlar.

Sözdizimi

topKWeighted(N)(x, weight)

Parametre

  • N — The number of elements to return.

Değişkenler

  • x – The value.
  • weight — The weight. Uİnt8.

Döndürülen değer

Maksimum yaklaşık ağırlık toplamına sahip değerlerin bir dizisini döndürür.

Örnek

Sorgu:

SELECT topKWeighted(10)(number, number) FROM numbers(1000)

Sonuç:

┌─topKWeighted(10)(number, number)──────────┐
│ [999,998,997,996,995,994,993,992,991,990] │
└───────────────────────────────────────────┘

covarSamp(x, y) 

Değerini hesaplar Σ((x - x̅)(y - y̅)) / (n - 1).

Float64 Döndürür. Ne zaman n <= 1, returns +∞.

covarPop (x, y) 

Değerini hesaplar Σ((x - x̅)(y - y̅)) / n.

corr(x, y) 

Pearson korelasyon katsayısını hesaplar: Σ((x - x̅)(y - y̅)) / sqrt(Σ((x - x̅)^2) * Σ((y - y̅)^2)).

categoricalınformationvalue 

Değerini hesaplar (P(tag = 1) - P(tag = 0))(log(P(tag = 1)) - log(P(tag = 0))) her kategori için.

categoricalInformationValue(category1, category2, ..., tag)

Sonuç, ayrık (kategorik) bir özelliğin nasıl olduğunu gösterir [category1, category2, ...] değerini öngör aen bir öğrenme modeline katkıda tag.

simpleLinearRegression 

Basit (tek boyutlu) doğrusal regresyon gerçekleştirir.

simpleLinearRegression(x, y)

Parametre:

  • x — Column with dependent variable values.
  • y — Column with explanatory variable values.

Döndürülen değerler:

Devamlılar (a, b) ortaya çıkan hat linetın y = a*x + b.

Örnekler

SELECT arrayReduce('simpleLinearRegression', [0, 1, 2, 3], [0, 1, 2, 3])
┌─arrayReduce('simpleLinearRegression', [0, 1, 2, 3], [0, 1, 2, 3])─┐
│ (1,0)                                                             │
└───────────────────────────────────────────────────────────────────┘
SELECT arrayReduce('simpleLinearRegression', [0, 1, 2, 3], [3, 4, 5, 6])
┌─arrayReduce('simpleLinearRegression', [0, 1, 2, 3], [3, 4, 5, 6])─┐
│ (1,3)                                                             │
└───────────────────────────────────────────────────────────────────┘

stokastiklinearregression 

Bu fonksiyon stokastik doğrusal regresyon uygular. Öğrenme oranı, L2 regularization katsayısı, mini-batch boyutu için özel parametreleri destekler ve ağırlıkları güncellemek için birkaç yöntem vardır (Adem (varsayılan olarak kullanılır), basit SGD, İvme, Nesterov).

Parametre 

4 özelleştirilebilir parametre vardır. Onlar sırayla işleve geçirilir, ancak dört varsayılan değerleri kullanılacak geçmek gerek yoktur, ancak iyi bir model bazı parametre ayarlama gerekli.

stochasticLinearRegression(1.0, 1.0, 10, 'SGD')
  1. learning rate Gradyan iniş adımı gerçekleştirildiğinde adım uzunluğundaki katsayıdır. Çok büyük öğrenme oranı, modelin sonsuz ağırlıklarına neden olabilir. Default is 0.00001.
  2. l2 regularization coefficient hangi overfitting önlemek için yardımcı olabilir. Default is 0.1.
  3. mini-batch size gradyanların hesaplanacağı ve Gradyan inişinin bir adımını gerçekleştirmek için toplanacağı öğelerin sayısını ayarlar. Saf stokastik iniş bir eleman kullanır, ancak küçük partilere(yaklaşık 10 eleman) sahip olmak degrade adımları daha kararlı hale getirir. Default is 15.
  4. method for updating weights onlar : Adam (varsayılan olarak), SGD, Momentum, Nesterov. Momentum ve Nesterov biraz daha fazla hesaplama ve bellek gerektirir, ancak stokastik Gradyan yöntemlerinin yakınsama hızı ve kararlılığı açısından yararlı olurlar.

Kullanma 

stochasticLinearRegression iki adımda kullanılır: modelin takılması ve yeni verilerin tahmin edilmesi. Modeli sığdırmak ve daha sonra kullanım için durumunu kaydetmek için kullandığımız -State temel olarak durumu kurtaran birleştirici (model ağırlıkları, vb.).
Fonksiyonu kullan wedığımızı tahmin etmek evalMLMethod, bir argüman olarak bir durumu yanı sıra tahmin etmek için özellikler alır.

1. Uydurma

Böyle bir sorgu kullanılabilir.

CREATE TABLE IF NOT EXISTS train_data
(
    param1 Float64,
    param2 Float64,
    target Float64
) ENGINE = Memory;

CREATE TABLE your_model ENGINE = Memory AS SELECT
stochasticLinearRegressionState(0.1, 0.0, 5, 'SGD')(target, param1, param2)
AS state FROM train_data;

Burada ayrıca veri eklememiz gerekiyor train_data Tablo. Parametrelerin sayısı sabit değildir, sadece argümanların sayısına bağlıdır, linearRegressionState. Hepsi sayısal değerler olmalıdır.
Hedef değere sahip sütunun(tahmin etmeyi öğrenmek istediğimiz) ilk argüman olarak eklendiğini unutmayın.

2. Öngören

Bir durumu tabloya kaydettikten sonra, tahmin için birden çok kez kullanabilir, hatta diğer durumlarla birleşebilir ve yeni daha iyi modeller oluşturabiliriz.

WITH (SELECT state FROM your_model) AS model SELECT
evalMLMethod(model, param1, param2) FROM test_data

Sorgu, tahmin edilen değerlerin bir sütununu döndürür. Not ilk argüman evalMLMethod oluyor AggregateFunctionState nesne, sonraki özelliklerin sütunlarıdır.

test_data bir tablo gibi mi train_data ancak hedef değer içermeyebilir.

Not 

  1. İki modeli birleştirmek için Kullanıcı böyle bir sorgu oluşturabilir:
    sql SELECT state1 + state2 FROM your_models
    nerede your_models tablo her iki modeli de içerir. Bu sorgu yeni dönecektir AggregateFunctionState nesne.

  2. Kullanıcı, modeli kaydetmeden oluşturulan modelin ağırlıklarını kendi amaçları için alabilir -State birleştirici kullanılır.
    sql SELECT stochasticLinearRegression(0.01)(target, param1, param2) FROM train_data
    Bu sorgu modele uyacak ve ağırlıklarını geri getirecektir-ilk önce modelin parametrelerine karşılık gelen ağırlıklar, sonuncusu önyargıdır. Yani yukarıdaki örnekte sorgu 3 değer içeren bir sütun döndürecektir.

Ayrıca Bakınız

stochasticLogisticRegression 

Bu işlev stokastik lojistik regresyon uygular. İkili sınıflandırma problemi için kullanılabilir, stochasticLinearRegression ile aynı özel parametreleri destekler ve aynı şekilde çalışır.

Parametre 

Parametreler tam olarak stochasticLinearRegression ile aynıdır:
learning rate, l2 regularization coefficient, mini-batch size, method for updating weights.
Daha fazla bilgi için bkz. parametre.

stochasticLogisticRegression(1.0, 1.0, 10, 'SGD')
  1. Uydurma
See the `Fitting` section in the [stochasticLinearRegression](#stochasticlinearregression-usage-fitting) description.

Predicted labels have to be in \[-1, 1\].
  1. Öngören
Using saved state we can predict probability of object having label `1`.

``` sql
WITH (SELECT state FROM your_model) AS model SELECT
evalMLMethod(model, param1, param2) FROM test_data
```

The query will return a column of probabilities. Note that first argument of `evalMLMethod` is `AggregateFunctionState` object, next are columns of features.

We can also set a bound of probability, which assigns elements to different labels.

``` sql
SELECT ans < 1.1 AND ans > 0.5 FROM
(WITH (SELECT state FROM your_model) AS model SELECT
evalMLMethod(model, param1, param2) AS ans FROM test_data)
```

Then the result will be labels.

`test_data` is a table like `train_data` but may not contain target value.

Ayrıca Bakınız

groupBitmapAnd 

Bu VE bir bitmap sütun, Uınt64 tür iade önem, hesaplamaları suffix ekleme -Devlet, sonra iade bitmap nesnesi.

groupBitmapAnd(expr)

Parametre

expr – An expression that results in AggregateFunction(groupBitmap, UInt*) tür.

Dönüş değeri

Bu değer UInt64 tür.

Örnek

DROP TABLE IF EXISTS bitmap_column_expr_test2;
CREATE TABLE bitmap_column_expr_test2
(
    tag_id String,
    z AggregateFunction(groupBitmap, UInt32)
)
ENGINE = MergeTree
ORDER BY tag_id;

INSERT INTO bitmap_column_expr_test2 VALUES ('tag1', bitmapBuild(cast([1,2,3,4,5,6,7,8,9,10] as Array(UInt32))));
INSERT INTO bitmap_column_expr_test2 VALUES ('tag2', bitmapBuild(cast([6,7,8,9,10,11,12,13,14,15] as Array(UInt32))));
INSERT INTO bitmap_column_expr_test2 VALUES ('tag3', bitmapBuild(cast([2,4,6,8,10,12] as Array(UInt32))));

SELECT groupBitmapAnd(z) FROM bitmap_column_expr_test2 WHERE like(tag_id, 'tag%');
┌─groupBitmapAnd(z)─┐
               3   
└───────────────────┘

SELECT arraySort(bitmapToArray(groupBitmapAndState(z))) FROM bitmap_column_expr_test2 WHERE like(tag_id, 'tag%');
┌─arraySort(bitmapToArray(groupBitmapAndState(z)))─┐
 [6,8,10]                                         
└──────────────────────────────────────────────────┘

groupBitmapOr 

YA da bir bitmap sütun, Uınt64 tür iade önem, hesaplamaları suffix ekleme -Devlet, sonra iade bitmap nesnesi. Bu eşdeğerdir groupBitmapMerge.

groupBitmapOr(expr)

Parametre

expr – An expression that results in AggregateFunction(groupBitmap, UInt*) tür.

Dönüş değeri

Bu değer UInt64 tür.

Örnek

DROP TABLE IF EXISTS bitmap_column_expr_test2;
CREATE TABLE bitmap_column_expr_test2
(
    tag_id String,
    z AggregateFunction(groupBitmap, UInt32)
)
ENGINE = MergeTree
ORDER BY tag_id;

INSERT INTO bitmap_column_expr_test2 VALUES ('tag1', bitmapBuild(cast([1,2,3,4,5,6,7,8,9,10] as Array(UInt32))));
INSERT INTO bitmap_column_expr_test2 VALUES ('tag2', bitmapBuild(cast([6,7,8,9,10,11,12,13,14,15] as Array(UInt32))));
INSERT INTO bitmap_column_expr_test2 VALUES ('tag3', bitmapBuild(cast([2,4,6,8,10,12] as Array(UInt32))));

SELECT groupBitmapOr(z) FROM bitmap_column_expr_test2 WHERE like(tag_id, 'tag%');
┌─groupBitmapOr(z)─┐
             15   
└──────────────────┘

SELECT arraySort(bitmapToArray(groupBitmapOrState(z))) FROM bitmap_column_expr_test2 WHERE like(tag_id, 'tag%');
┌─arraySort(bitmapToArray(groupBitmapOrState(z)))─┐
 [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]           
└─────────────────────────────────────────────────┘

groupBitmapXor 

Bir bitmap sütun, Uınt64 tür iade önem hesaplamaları XOR, suffix ekleme -Devlet, sonra iade bitmap nesnesi.

groupBitmapOr(expr)

Parametre

expr – An expression that results in AggregateFunction(groupBitmap, UInt*) tür.

Dönüş değeri

Bu değer UInt64 tür.

Örnek

DROP TABLE IF EXISTS bitmap_column_expr_test2;
CREATE TABLE bitmap_column_expr_test2
(
    tag_id String,
    z AggregateFunction(groupBitmap, UInt32)
)
ENGINE = MergeTree
ORDER BY tag_id;

INSERT INTO bitmap_column_expr_test2 VALUES ('tag1', bitmapBuild(cast([1,2,3,4,5,6,7,8,9,10] as Array(UInt32))));
INSERT INTO bitmap_column_expr_test2 VALUES ('tag2', bitmapBuild(cast([6,7,8,9,10,11,12,13,14,15] as Array(UInt32))));
INSERT INTO bitmap_column_expr_test2 VALUES ('tag3', bitmapBuild(cast([2,4,6,8,10,12] as Array(UInt32))));

SELECT groupBitmapXor(z) FROM bitmap_column_expr_test2 WHERE like(tag_id, 'tag%');
┌─groupBitmapXor(z)─┐
              10   
└───────────────────┘

SELECT arraySort(bitmapToArray(groupBitmapXorState(z))) FROM bitmap_column_expr_test2 WHERE like(tag_id, 'tag%');
┌─arraySort(bitmapToArray(groupBitmapXorState(z)))─┐
 [1,3,5,6,8,10,11,13,14,15]                       
└──────────────────────────────────────────────────┘

Orijinal makale

Rating: 4.3 - 3 votes

Was this content helpful?
★★★★☆