1. 环境准备

数据库版本：Oracle 23c

创建客户数据表：

CREATE TABLE customers (
  customer_id NUMBER, age NUMBER, tenure NUMBER, spend NUMBER, churn_flag NUMBER
);

2. 实战操作

加载历史数据并标记流失客户（churn_flag=1）：

INSERT INTO customers ...; -- 插入带标签的数据

使用AutoML训练模型：

DECLARE
  model BINARY_DOUBLE;
BEGIN
  DBMS_AUTO_TASK.CREATE_TASK(
    task_name => 'churn_prediction',
    task_type => DBMS_AUTO_TASK.TASK_TYPE_AUTOML,
    table_name => 'customers',
    target_column => 'churn_flag',
    settings => '{"ENABLE_INTERPRETABILITY": true}');
  model := DBMS_AUTO_TASK.EXECUTE_TASK('churn_prediction');
END;

部署模型进行预测：

SELECT customer_id, PREDICT(churn_prediction, age, tenure, spend) AS churn_prob
FROM customers;

3. 验证模型准确性通过 DBMS_AUTO_TASK.GET_METRICS查看模型评估指标（AUC、准确率等）。

4. 总结数据库内AI简化了数据科学流程，降低数据迁移成本，适合实时预测场景。

ITPub博客

Oracle 23c AutoML集成实战：数据库内机器学习预测

最新文章