2019 VLDB中Deep Upsupervised Cardinality Estimation的解读是什么？
- 内容介绍
- 文章标签
- 相关推荐
本文共计2286个文字，预计阅读时间需要10分钟。
本篇博客解读了深度自监督基数估计（Deep Upsupervised Cardinality Estimation），原文链接为：[https://dl.acm.org/doi/pdf/10.14778/3368289.3368294](https://dl.acm.org/doi/pdf/10.14778/3368289.3368294)。文章介绍了如何利用深度自回归模型（如MA）进行基数估计。
Deep Upsupervised Cardinality Estimation- 本篇博客是对Deep Upsupervised Cardinality Estimation的解读，原文连接为：dl.acm.org/doi/pdf/10.14778/3368289.3368294
- 本文介绍了如何使用深度自回归模型（如：MADE、transformer）来进行基数估计的任务（利用模型训练拟合数据分布）
- 特点：
- 使用autoregressive model，无监督学习
- 没有做任何独立性假设
- 支持范围查询
- selectivity——选择度。本文针对的是给定谓词，估计其可以估计数据表中满足该谓词的元组的比例，有如下定义：$$sel(\theta):=|{\ x \in T :\theta (x)=1}|/|T|$$
其中分母T就是表的总行数，分子是满足选择谓词的行数。
本文共计2286个文字，预计阅读时间需要10分钟。
本篇博客解读了深度自监督基数估计（Deep Upsupervised Cardinality Estimation），原文链接为：[https://dl.acm.org/doi/pdf/10.14778/3368289.3368294](https://dl.acm.org/doi/pdf/10.14778/3368289.3368294)。文章介绍了如何利用深度自回归模型（如MA）进行基数估计。
Deep Upsupervised Cardinality Estimation- 本篇博客是对Deep Upsupervised Cardinality Estimation的解读，原文连接为：dl.acm.org/doi/pdf/10.14778/3368289.3368294
- 本文介绍了如何使用深度自回归模型（如：MADE、transformer）来进行基数估计的任务（利用模型训练拟合数据分布）
- 特点：
- 使用autoregressive model，无监督学习
- 没有做任何独立性假设
- 支持范围查询
- selectivity——选择度。本文针对的是给定谓词，估计其可以估计数据表中满足该谓词的元组的比例，有如下定义：$$sel(\theta):=|{\ x \in T :\theta (x)=1}|/|T|$$
其中分母T就是表的总行数，分子是满足选择谓词的行数。