本文转载自微信公众号「活在信息时代」，作者活在信息时代。转载本文请联系活在信息时代公众号。
对于熟悉数据库操作的同学来说，编写优美的SQL语句，从数据库中想方设法找出自己需要的数据，是常规操作了。
而对于熟悉机器学习的同学来说，获取数据，对数据进行预处理，建立模型，确定训练集和测试集，用训练好的模型对未来进行一系列的预测，也是一种常规操作了。
那么，我们能否将两种技术结合起来呢？我们看到数据库里存储了数据，而进行预测需要基于以往的数据。如果我们通过数据库里现有的数据，对于未来的数据进行查询的话，那么是否可行呢？
基于这样的思路MindsDB就诞生了。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
MindsDB是一种将机器学习引入现有的SQL数据库的工具，它连接了数据与模型。它通过人工智能表（AI-Table）这种方式，将机器学习模型集成为数据库中的虚拟表，从而可以创建预测，并能够使用简单的SQL语句进行查询。几乎可以立即在数据库中直接进行时间序列、回归和分类预测。
随着信息技术的发展，很多行业慢慢从基于历史数据分析的“发生了啥和为啥发生”向机器学习预测模型的“我们预测会发生什么和怎样使其发生”转变。而MindsDB就是实现这一目标的一个工具。
MindsDB可直接在数据库中进行建模，省去了数据处理、搭建机器学习模型等头疼的步骤。对于数据分析师、商业分析师无须了解过多数据工程、建模知识，即可开箱使用。
那么，我们来看看MindsDB是怎样实现这样的操作的。
比如说我们有一个数据表里，存储一个城市的房价与GDP的数据，那么，如果我们想查询房价和GDP。就可以采用类似于下面的SQL进行查询：
select gdp, houseprice from city;
那么，我们可以看到gdp与房价可能呈现一个线性的关系。如果我们想查询某个GDP值对应的房价的话，我们可以写
select gdp, houseprice from city where gdp=10000;
但是，如果查询的GDP数据并不存在于数据库中怎么办，那么显然，是查询不出来结果的。
这个时候，人工智能表就出现了。
我们可以先创建一个房价预测模型：
create predictor mindsdb.price_model from city predict houseprice;
这样，MindsDB就会在后台自动创建模型。此时，我们再用这个模型，就可以查询数据库中没有的GDP数据对应的房价预测值了。
select houseprice from mindsdb.price_model where gpd=20000;
这样，我们就会获取到基于历史数据的模型预测值了。
