MicrosoftML (R package in SQL Server Machine Learning Services)

platí pro: SQL Server 2016 (13.x) a novější verze

MicrosoftML je balíček R od Microsoftu, který poskytuje vysoce výkonné algoritmy strojového učení. Zahrnuje funkce pro trénování a transformace, skórování, analýzu textu a obrázků a extrakci rysů pro odvození hodnot z existujících dat. Balíček je zahrnut v SQL Server Machine Learning Services a SQL Server 2016 R Services a podporuje vysoký výkon na big data, využívající vícejádrové zpracování a rychlé streamování dat. MicrosoftML také zahrnuje řadu transformací pro zpracování textu a obrázků.

Úplná referenční dokumentace

Balíček MicrosoftML je distribuován v několika produktech Microsoft, ale použití je stejné, ať už balíček použijete v SQL Server nebo v jiném produktu. Protože jsou funkce stejné, dokumentace jednotlivých funkcí RevoScaleR je publikována pouze na jednom místě pod odkazem R. Pokud existují nějaká chování specifická pro jednotlivé produkty, budou na stránce nápovědy funkce zaznamenány nesrovnalosti.

Verze a platformy

Balíček MicrosoftML je založen na R 3.5.2 a je dostupný pouze při instalaci některého z následujících produktů nebo stažení od Microsoft:

Poznámka:

Plné verze produktových vydání jsou v SQL Server 2017 dostupné pouze pro Windows. Pro MicrosoftML v SQL Server 2019 jsou podporovány Windows i Linux.

Závislosti balíčků

Algoritmy v MicrosoftML závisí na RevoScaleR pro:

  • Objekty zdrojů dat. Data spotřebovaná funkcemi MicrosoftML jsou vytvářena pomocí funkcí RevoScaleR .
  • Vzdálené výpočty (přesun výkonu funkce na vzdálenou instanci SQL Server). Balíček RevoScaleR poskytuje funkce pro vytváření a aktivaci vzdáleného výpočetního kontextu pro SQL Server.

Ve většině případů načtete balíčky společně vždy, když používáte MicrosoftML.

Funkce podle kategorie

Tato sekce uvádí funkce podle kategorií, abyste měli představu, jak se každá z nich používá. Také můžete použít obsah k vyhledání funkcí v abecedním pořadí.

1-algoritmy strojového učení

Název funkce Description
rxFastTrees Implementace FastRanku, efektivní implementace algoritmu pro zvýšení gradientu MART.
rxFastForest Implementace náhodného lesa a kvantilního regresního lesa pomocí rxFastTrees.
rxLogisticRegression Logistická regrese pomocí L-BFGS.
rxOneClassSvm Jedna třída podporuje vektorové stroje.
rxNeuralNet Binární, multitřídní a regresní neuronová síť.
rxFastLinear Stochastická optimalizační metoda vzestupu v duálních souřadnicích pro lineární binární klasifikaci a regresi.
rxEnsemble Trénuje řadu modelů různých druhů, aby dosáhl lepšího prediktivního výkonu, než by bylo možné získat z jednoho modelu.

2 transformační funkce

Název funkce Description
concat Transformace pro vytvoření jednoho sloupce s vektorovou hodnotou z více sloupců.
kategorické Vytvořte indikátorový vektor pomocí kategorické transformace pomocí slovníku.
categoricalHash Převádí kategorickou hodnotu na indikátorové pole pomocí hashování.
featurizeText Z daného textového korpusu vytvoří pytel počtů sekvencí po sobě jdoucích slov, nazývaných n-gramy. Nabízí detekci jazyka, tokenizaci, odstraňování stopwordů, normalizaci textu a generování funkcí.
getSentiment Hodnotí text v přirozeném jazyce a vytváří sloupec obsahující pravděpodobnosti, že pocity v textu jsou kladné.
ngram umožňuje definovat argumenty pro extrakci příznaků založenou na počtech a hashích.
selectColumns Vybere sadu sloupců k přetrénování, všechny ostatní vyřadí.
selectFeatures Vybírá vlastnosti ze specifikovaných proměnných pomocí určeného režimu.
loadImage Načítá obrazová data.
resizeImage Změní velikost obrazu na určený rozměr pomocí určené metody změny.
extractPixels Extrahuje hodnoty pixelů z obrázku.
featurizeImage Zobrazuje obraz pomocí předtrénovaného modelu hluboké neuronové sítě.

3-Funkce bodování a tréninku

Název funkce Description
rxPredict.mlModel Spouští skórovací knihovnu buď ze SQL Server, pomocí uložené procedury, nebo z R kódu umožňujícího skórování v reálném čase pro mnohem rychlejší výkon predikce.
rxFeaturize Převádí data ze vstupní datové sady na výstupní datovou sadu.
mlModel Poskytuje shrnutí modelu Microsoft R Machine Learning.

4. Ztrátové funkce pro klasifikaci a regresi

Název funkce Description
expLoss Specifikace pro exponenciální klasifikační ztrátovou funkci.
logLoss Specifikace ztrátové funkce pro klasifikaci logů.
hingeLoss Specifikace pro útlumovou funkci klasifikace závěsu.
smoothHingeLoss Specifikace pro hladkou klasifikační funkci útlumu závesu.
poissonLoss Specifikace pro Poissonovu regresní ztrátovou funkci.
squaredLoss Specifikace kvadratické ztrátové funkce pro regresi.

5-funkce výběru prvků

Název funkce Description
minCount Specifikace pro výběr prvků v režimu počítání.
vzájemné informace Specifikace pro výběr příznaků v režimu vzájemné informace.

6-Funkce ansámblového modelování

Název funkce Description
fastTrees Vytváří seznam obsahující název funkce a argumenty pro trénování modelu Fast Tree pomocí rxEnsemble.
fastForest Vytváří seznam obsahující název funkce a argumenty pro trénování modelu Fast Forest pomocí rxEnsemble.
fastLinear Vytváří seznam obsahující název funkce a argumenty pro trénování rychlého lineárního modelu pomocí rxEnsemble.
logistická regrese Vytváří seznam obsahující název funkce a argumenty pro trénování logistického regresního modelu pomocí rxEnsemble.
oneClassSvm Vytváří seznam obsahující název funkce a argumenty pro trénování modelu OneClassSvm pomocí rxEnsemble.

7-Funkce neuronových sítí

Název funkce Description
Optimalizátor Specifikuje optimalizační algoritmy pro algoritmus strojového učení rxNeuralNet .

8-Funkce stavu balíčku

Název funkce Description
rxHashEnv Objekt prostředí používaný k ukládání stavu celého balíčku.

Jak používat MicrosoftML

Funkce v MicrosoftML lze volat v R kódu zapouzdřeném v uložených procedurách. Většina vývojářů vytváří řešení MicrosoftML lokálně a poté v rámci nasazení migruje dokončený kód v jazyce R do uložených procedur.

Balíček MicrosoftML pro R je nainstalován "hned po vybalení" v SQL Server 2017.

Balíček se ve výchozím nastavení nenačítá. V prvním kroku načtěte balíček MicrosoftML a poté načtěte RevoScaleR, pokud potřebujete použít vzdálené výpočetní kontexty nebo související připojení či objekty zdroje dat. Poté odkazujte na jednotlivé funkce, které potřebujete.

library(microsoftml);
library(RevoScaleR);
logisticRegression(args);

Související obsah

  • Last updated on