Rychlý start: Funkce R s využitím strojového učení SQL

Platí pro: SQL Server 2016 (13.x) a novější verze Azure SQL Managed Instance

V tomto rychlém startu se dozvíte, jak používat matematické a pomocné funkce jazyka R se službami SQL Server Machine Learning Services nebo clustery s velkými objemy dat. Statistické funkce jsou často složité implementovat v jazyce T-SQL, ale je možné je provádět v jazyce R pouze s několika řádky kódu.

Požadavky

Ke spuštění tohoto rychlého startu potřebujete následující požadavky.

• SQL Server Machine Learning Services. Informace o instalaci služby Machine Learning Services najdete v průvodci instalací systému Windows nebo v průvodci instalací pro Linux. Službu Machine Learning Services můžete také povolit v clusterech s velkými objemy dat SQL Serveru.

• Nástroj pro spouštění dotazů SQL, které obsahují skripty jazyka R. V tomto rychlém startu se používá Azure Data Studio.

Vytvoření uložené procedury pro generování náhodných čísel

Pro zjednodušení použijeme balíček R stats , který je nainstalovaný a načtený ve výchozím nastavení. Balíček obsahuje stovky funkcí pro běžné statistické úkoly, mezi nimi rnorm funkce, která generuje zadaný počet náhodných čísel pomocí normálního rozdělení vzhledem ke směrodatné odchylkě a střední hodnotě.

Například následující kód R generuje 100 čísel s průměrnou hodnotou 50 při směrodatné odchylce 3.

as.data.frame(rnorm(100, mean = 50, sd = 3));

Chcete-li volat tento R skript z T-SQL, přidejte R funkci do parametru R skriptu sp_execute_external_script, takto:

EXECUTE sp_execute_external_script
      @language = N'R'
    , @script = N'
         OutputDataSet <- as.data.frame(rnorm(100, mean = 50, sd =3));'
    , @input_data_1 = N'   ;'
      WITH RESULT SETS (([Density] float NOT NULL));

Co když chcete usnadnit generování jiné sady náhodných čísel?

To je snadné v kombinaci s T-SQL. Definujete uloženou proceduru, která získá argumenty od uživatele, a pak tyto argumenty předáte do skriptu R jako proměnné.

CREATE PROCEDURE MyRNorm (
    @param1 INT
    , @param2 INT
    , @param3 INT
    )
AS
EXECUTE sp_execute_external_script @language = N'R'
    , @script = N'
	     OutputDataSet <- as.data.frame(rnorm(mynumbers, mymean, mysd));'
    , @input_data_1 = N'   ;'
    , @params = N' @mynumbers int, @mymean int, @mysd int'
    , @mynumbers = @param1
    , @mymean = @param2
    , @mysd = @param3
WITH RESULT SETS(([Density] FLOAT NOT NULL));

• První řádek definuje každý ze vstupních parametrů SQL, které jsou vyžadovány při spuštění uložené procedury.

• Řádek začínající @params definuje všechny proměnné používané kódem R a odpovídajícími datovými typy SQL.

• Řádky, které bezprostředně následují, mapují názvy parametrů SQL na odpovídající názvy proměnných jazyka R.

Teď, když jste funkci R zabalili do uložené procedury, můžete funkci snadno volat a předat různé hodnoty, například takto:

EXECUTE MyRNorm @param1 = 100,@param2 = 50, @param3 = 3

Řešení potíží s využitím funkcí nástroje R

Balíček nástrojů nainstalovaný ve výchozím nastavení poskytuje celou řadu funkcí nástroje pro zkoumání aktuálního prostředí R. Tyto funkce můžou být užitečné, pokud hledáte nesrovnalosti ve způsobu, jakým kód R funguje v SQL Serveru a v externích prostředích.

K zachycení času používaného procesy R a analýze problémů s výkonem můžete například použít funkce časování systému v jazyce R, například system.time a proc.time. Příklad najdete v kurzu Vytvoření datových funkcí , ve kterých jsou funkce časování jazyka R vloženy do řešení.

EXECUTE sp_execute_external_script
      @language = N'R'
    , @script = N'
        library(utils);
        start.time <- proc.time();
        
        # Run R processes
        
        elapsed_time <- proc.time() - start.time;'

Další užitečné funkce najdete v tématu Použití funkcí profilace kódu R ke zlepšení výkonu.

Další kroky

Pokud chcete vytvořit model strojového učení pomocí jazyka R se strojovým učením SQL, postupujte podle tohoto rychlého startu:

Vytvoření a určení skóre prediktivního modelu v R pomocí strojového učení SQL