机器学习的基本做法是将数据转移到模型的环境中进行训练。由于今天的数据库比机器学习模型大好多个数量级，所以PostgresML的思路是，如果我们将模型引入数据集不是会容易得多吗？

        PostgresML 是一个建立在流行的 PostgreSQL 数据库之上的综合机器学习平台。它引入了一种称为“数据库内”机器学习的新范式，允许您在 SQL 中执行许多 ML 任务，而无需在每个步骤中使用单独的工具。

        PostgresML 支持来自 Scikit-learn、XGBoost、LGBM、PyTorch 和 TensorFlow 的 50 多种算法。这使您能够直接从数据库在许多监督学习任务上训练和部署 ML 模型。

        由于 PostgresML 本质上是一个数据库，因此您可以在任何支持 Postgres 的环境中（基本上在任何地方）与其进行交互。并且该平台还提供适用于 16 种语言的 SDK（最好支持 JavaScript、Python 和 Rust）。

        不过天下没有免费的午餐，需要一路注册、安装该数据库，然后举个例子，可以使用 Kaggle 的Diamonds 数据集创建一个表。

         之前需要用vscode创建个项目，安装并连接数据库等操作，这里不叙述了。

        下面的代码就是创建表，插入数据等

import seaborn as sns

diamonds = sns.load_dataset("