機械学習

昨今，大きな話題になっている機械学習を用いた分析処理は，データマイニングツールやR，Pythonなどを利用するのが一般的です。しかし，大量データを対象にした分析ではパフォーマンスが課題になることが多く，データを間引いたり，ソースデータをあらかじめ加工しなければならない場合もあります。

Verticaは，機械学習アルゴリズムもデータベースに内蔵しています。そのため，データベース内で（データソースを間引くことなく）そのまま高速処理することが可能です。Verticaで実装されている機械学習アルゴリズムを表2にまとめています。

学習データをもとにこれらのアルゴリズムを使うことで，数値や確率の予測，クラスタリングを行うことができます。Verticaで機械学習を行うことには，次のようなメリットがあります。

• SQLで機械学習を行うことができる
• RやPythonクライアントと比較して高速に処理できる（Verticaで並列分散処理）
• SQL分析と機械学習分析のプラットフォームを分ける必要がない

それでは，自動車のデータを使った具体的な例を見てみましょう。車種別に「燃費（mpg⁠）⁠」やエンジンの「シリンダー数（cyl⁠）⁠」⁠「⁠馬力（hp⁠）⁠」⁠「⁠重量（wt⁠）⁠」などのデータを持つテーブルがあります（図8⁠）⁠。これらのデータをVerticaに読み込ませて学習させます（モデリング⁠）⁠。

       carName       | mpg  | cyl | disp  | hp  | drat |  wt   | qsec  | vs | am | gear | carb |  tf
---------------------+------+-----+-------+-----+------+-------+-------+----+----+------+------+-------
 Fiat X1-9           | 27.3 |   4 |    79 |  66 | 4.08 | 1.935 |  18.9 |  1 |  1 |    4 |    1 | train
 Merc 230            | 22.8 |   4 | 140.8 |  95 | 3.92 |  3.15 |  22.9 |  1 |  0 |    4 |    2 | train
 Merc 280C           | 17.8 |   6 | 167.6 | 123 | 3.92 |  3.44 |  18.9 |  1 |  0 |    4 |    4 | train
 Merc 450SE          | 16.4 |   8 | 275.8 | 180 | 3.07 |  4.07 |  17.4 |  0 |  0 |    3 |    3 | train
 AMC Javelin         | 15.2 |   8 |   304 | 150 | 3.15 | 3.435 |  17.3 |  0 |  0 |    3 |    2 | test

図9では，線形回帰分析アルゴリズムを用いて，「⁠mtcarsテーブル」の中から「cyl列」「⁠hp列」「⁠wt列」の3つの列データを説明変数とし，「⁠mpg列」を目的変数とした線形回帰モデル「linModel」を作成しています。

SELECT v_ml.linearReg('linModel', 'mtcars', 'mpg', 'cyl,hp,wt', '--exclude_columns= carName --description my_linearReg_model');

図10では，作成した線形回帰モデルを使って，「⁠燃費（mpg⁠）⁠」の値を予測させています。左の列から，車種（carName⁠）⁠，正しい燃費（observed⁠）⁠，機械学習によって予測させた値（predicted）が表示されています。

       carName       | observed |    predicted
---------------------+----------+-----------------
 AMC Javelin         |     15.2 | 17.6357311618035
 Cadillac Fleetwood  |     10.4 | 10.8954543679367
 Camaro Z28          |     13.3 | 14.6442677270797
 Chrysler Imperial   |     14.7 | 10.1449185542106
 Datsun 710          |     22.8 | 25.9667989028515
 Dodge Challenger    |     15.5 | 17.3663828863913
 Duster 360          |     14.3 | 15.4998446019185
 Ferrari Dino        |     19.7 | 21.1799824379912
 Fiat 128            |     32.4 | 26.8325147580537
 Fiat X1-9           |     27.3 | 27.6722476166918

このように，Vertica内のテーブルデータの分布（説明変数）を学習させて，予測させたいデータ（目的変数）をVerticaに計算させることができます。

なお，説明変数となるデータを読み込ませたあと，データプレパレーションとしてデータの偏りを事前になくし，データを正規化することで，より高速かつ精度の高い予測値を得られます。そのために，Verticaではデータを正規化するSQL関数機能が提供されています。SQL関数1つで簡単にデータの正規化が行えます。

進化し続けるVertica

本稿で紹介してきたように，Verticaは単なるデータベースの枠を超え，「⁠ビッグデータ分析プラットフォーム」としてさまざまなツールとの連携機能や独自の分析機能を提供し続けています。また稼働環境についても，オンプレミスや仮想化環境だけでなく，Amazon Web ServiceやMicrosoft Azureといったクラウド環境にも対応しており，その活躍の場を広げています。

さっそく試してみよう！

前後編にわたって，Verticaの「大量データを高速に処理できるしくみ」と「ビッグデータ分析基盤としての強力な機能」を紹介してきました。今回，誌面の都合で紹介できませんでしたが，ほかの多くの列指向型データベースでは実装が追いついていない主キー設定といった基本機能の保証など，Verticaには数多くの優れた機能が搭載されています。

「百聞は一見に如かず」と言います。まずは既存データベースの性能課題を解消することを目的に，将来のビッグデータ活用も見据えてVerticaを試してみてはいかがでしょうか。Verticaには，3ノード構成，1TBまでの範囲であれば機能制限なしで利用でき，オンプレミス環境とクラウド環境のどちらにも対応した評価版「Vertica Community Edition」があります。この評価版のダウンロード／インストール，テストデータのロード，プロジェクションの最適化方法などを網羅したドキュメント「はじめてのVertica」が「Vertica技術情報サイト」からダウンロードできますので，詳細情報をご覧ください。

さらに，Verticaをもっと手軽にお試しいただくために，Verticaがプリインストールされたクラウド環境を用意しました。2週間無料でお使いいただくための手順が以下のURLにありますのでご利用ください（注1⁠）⁠。

• http://vertica-tech.ashisuto.co.jp/WDP_deploy_on_ravello

みなさまが持つ課題の解決に，本稿とVerticaがお役に立つことを心より願っています。

注1）

インスタンスのマシンスペックの都合で，Verticaの高速性は体験できない可能性があります。まずはVerticaの雰囲気を体験してみたいという方にお勧めです。

Vertica事例セミナー『Verticaで解決したビジネス課題』

URL：https://mp.ashisuto.jp/public/seminar/view/7464

概要：実際に「Vertica」を導入したユーザー3社様にご講演いただきます。生の声をお聴き逃しなく！

本誌最新号をチェック！
WEB+DB PRESS Vol.122

2021年4月24日発売
B5判／168ページ
定価1,628円
（本体1,480円＋税10%）
ISBN978-4-297-12119-8

• 特集1
  上から下まで全レイヤ解説！ 複雑化した世界を体系的に学ぶ
  Web技術総整理
• 特集2
  新バージョン登場！ PythonによるWeb開発の基本
  はじめてのDjango
• 特集3
  Rustで実装！
  作って学ぶRDBMSのしくみ