InsertOne

Descripción

El db.predictors.insertOne() método crea y entrena un nuevo modelo.

Sintaxis

Aquí está la sintaxis:

db.predictors.insertOne({
     name: "predictor_name",
     predict: "target_column",
     connection: "integration_name",
     select_data_query: "db.collection_name.find({})"
});

Al ejecutar, obtenemos:

WriteResult({
    "nInserted" : 1
})

Where:

Expresiones	Descripción
name	El nombre del modelo a crear.
predict	El nombre de la columna objetivo a predecir.
connection	El nombre de la integración creada a través de el db.databases.insertOne() método o carga de archivo.
select_data_query	Objeto que almacena el nombre de la colección de datos a utilizar para el entrenamiento y la validación y argumentos adicionales para filtrar los datos.

Verificando el Estado del Predictor

Después de ejecutar el db.predictors.insertOne() método, ejecute el db.predictors.find() método de la mindsdb.models colección para verificar el estado del modelo.

db.predictors.find({name: "model_name"});

Ejemplo

Este ejemplo muestra cómo puede crear y entrenar el home_rentals_model modelo de aprendizaje automático para predecir los precios de alquiler de propiedades inmobiliarias dentro del conjunto de datos.

db.predictors.insertOne({
     name: "home_rentals_model",
     predict: "rental_price",
     connection: "mongo_integration",
     select_data_query: "db.home_rentals.find({})"
});

Al ejecutar, obtenemos:

WriteResult({
    "nInserted" : 1
})

Para verificar el estado del predictor, consulte la tabla mindsdb.models usando el comando db.predictors.find().

db.predictors.find({name: "home_rentals_model"});

Al ejecutar, obtenemos:

{
  "name": "home_rentals_model",
  "status": "complete",
  "accuracy": 0.91,
  "predict": "rental_price",
  "update_status": "up_to_date",
  "mindsdb_version": "22.8.3.1",
  "error": null,
  "select_data_query": "",
  "training_options": ""
}