前一天我們簡略地介紹了CDF，Kraska et al. 發現對於排序好的Key值，其CDF的分布會近似於Key值的位置~

下面這張圖為Key 與 CDF 的曲線圖，取自The Case forLearned Index Structures.

X軸為Key值，Y軸為Pos，這裡的Pos為經由CDF函式產生的近似位置，對於這樣的分布，Kraska et al. 提出使用Model學習CDF的分布，這也是整篇Paper的主軸，使用Model來訓練、學習資料的CDF分布，預測出資料的位置，那該講的都講完拉~~就這樣吧XD

開玩笑低..XD

Model的建置則是使用機器學習或是深度學習，可以是簡單的線性回歸(Linear Regression)，也可以是多神經網路。

那可能會有人好奇，欸~所謂的學習CDF分布是怎麼學習? 通常建置模型不是要抓特徵，那特徵是什麼? 那標籤呢?

在這裡跟大家一一說明，特徵是Key值，標籤是CDF。

對...就是這樣XD，我們將所有Key值對應其CDF預測出的Pos拿去訓練，來建置模型。

最後只要輸入Key值經由Model就能吐出預測的Pos喔，真的牛逼阿 !

老話一句，一張圖勝過千言萬語 ~

Reference

Kraska, Tim, et al. "The case for learned index structures." Proceedings of the 2018 International Conference on Management of Data. 2018.