Kurz Pythonu: Nasazení modelu pro kategorizaci zákazníků pomocí strojového učení SQL

Platí pro: SQL Server 2017 (14.x) a novější verze Azure SQL Managed Instance

Ve čtvrté části této čtyřdílné série kurzů nasadíte clusteringový model vyvinutý v Pythonu do databáze pomocí služby SQL Server Machine Learning Services nebo do clusterů s velkými objemy dat.

Abyste mohli clustering provádět pravidelně, protože se noví zákazníci registrují, musíte mít možnost volat skript Pythonu z libovolné aplikace. Uděláte to tak, že skript Pythonu nasadíte do databáze tak, že skript Pythonu umístíte do uložené procedury SQL. Vzhledem k tomu, že se model spouští v databázi, je možné ho snadno vytrénovat na data uložená v databázi.

V této části přesunete kód Pythonu, který jste právě napsali na server, a nasadíte clustering.

V tomto článku se naučíte:

• Vytvoření uložené procedury, která vygeneruje model
• Provádění clusteringu na serveru
• Použití informací o clusteringu

V první části jste nainstalovali požadavky a obnovili ukázkovou databázi.

V druhé části jste zjistili, jak připravit data z databáze na clustering.

Ve třetí části jste se dozvěděli, jak vytvořit a trénovat model clusteringu K-Means v Pythonu.

Požadavky

• Část 4 této série kurzů předpokládá, že jste splnili požadavky první části a dokončili kroky ve druhé atřetí části.

Vytvoření uložené procedury, která vygeneruje model

Spuštěním následujícího skriptu T-SQL vytvořte uloženou proceduru. Postup znovu vytvoří kroky, které jste vytvořili v jedné a dvou částech této série kurzů:

• klasifikovat zákazníky na základě historie nákupů a vrácení
• Generování čtyř clusterů zákazníků pomocí algoritmu K-Means

USE [tpcxbb_1gb]
GO

DROP procedure IF EXISTS [dbo].[py_generate_customer_return_clusters];
GO

CREATE procedure [dbo].[py_generate_customer_return_clusters]
AS

BEGIN
    DECLARE

-- Input query to generate the purchase history & return metrics
     @input_query NVARCHAR(MAX) = N'
SELECT
  ss_customer_sk AS customer,
  CAST( (ROUND(COALESCE(returns_count / NULLIF(1.0*orders_count, 0), 0), 7) ) AS FLOAT) AS orderRatio,
  CAST( (ROUND(COALESCE(returns_items / NULLIF(1.0*orders_items, 0), 0), 7) ) AS FLOAT) AS itemsRatio,
  CAST( (ROUND(COALESCE(returns_money / NULLIF(1.0*orders_money, 0), 0), 7) ) AS FLOAT) AS monetaryRatio,
  CAST( (COALESCE(returns_count, 0)) AS FLOAT) AS frequency
FROM
  (
    SELECT
      ss_customer_sk,
      -- return order ratio
      COUNT(distinct(ss_ticket_number)) AS orders_count,
      -- return ss_item_sk ratio
      COUNT(ss_item_sk) AS orders_items,
      -- return monetary amount ratio
      SUM( ss_net_paid ) AS orders_money
    FROM store_sales s
    GROUP BY ss_customer_sk
  ) orders
  LEFT OUTER JOIN
  (
    SELECT
      sr_customer_sk,
      -- return order ratio
      count(distinct(sr_ticket_number)) as returns_count,
      -- return ss_item_sk ratio
      COUNT(sr_item_sk) as returns_items,
      -- return monetary amount ratio
      SUM( sr_return_amt ) AS returns_money
    FROM store_returns
    GROUP BY sr_customer_sk
  ) returned ON ss_customer_sk=sr_customer_sk
 '

EXEC sp_execute_external_script
      @language = N'Python'
    , @script = N'

import pandas as pd
from sklearn.cluster import KMeans

#get data from input query
customer_data = my_input_data

#We concluded in step 2 in the tutorial that 4 would be a good number of clusters
n_clusters = 4

#Perform clustering
est = KMeans(n_clusters=n_clusters, random_state=111).fit(customer_data[["orderRatio","itemsRatio","monetaryRatio","frequency"]])
clusters = est.labels_
customer_data["cluster"] = clusters

OutputDataSet = customer_data
'
    , @input_data_1 = @input_query
    , @input_data_1_name = N'my_input_data'
             with result sets (("Customer" int, "orderRatio" float,"itemsRatio" float,"monetaryRatio" float,"frequency" float,"cluster" float));
END;
GO

Proveď klastrovaní

Teď, když jste vytvořili uloženou proceduru, spusťte následující skript, který provede clustering pomocí tohoto postupu.

--Create a table to store the predictions in

DROP TABLE IF EXISTS [dbo].[py_customer_clusters];
GO

CREATE TABLE [dbo].[py_customer_clusters] (
    [Customer] [bigint] NULL
  , [OrderRatio] [float] NULL
  , [itemsRatio] [float] NULL
  , [monetaryRatio] [float] NULL
  , [frequency] [float] NULL
  , [cluster] [int] NULL
  ,
    ) ON [PRIMARY]
GO

--Execute the clustering and insert results into table
INSERT INTO py_customer_clusters
EXEC [dbo].[py_generate_customer_return_clusters];

-- Select contents of the table to verify it works
SELECT * FROM py_customer_clusters;

Použití informací o clusteringu

Vzhledem k tomu, že jste v databázi uložili postup clusteringu, může efektivně provádět clustering s daty zákazníků uloženými ve stejné databázi. Postup můžete provést při každé aktualizaci zákaznických dat a použití aktualizovaných informací o clusteringu.

Předpokládejme, že chcete zákazníkům v clusteru 0 poslat propagační e-mail, skupinu, která byla neaktivní (můžete vidět, jak byly čtyři clustery popsány ve třetí části tohoto kurzu). Následující kód vybere e-mailové adresy zákazníků v clusteru 0.

USE [tpcxbb_1gb]
--Get email addresses of customers in cluster 0 for a promotion campaign
SELECT customer.[c_email_address], customer.c_customer_sk
  FROM dbo.customer
  JOIN
  [dbo].[py_customer_clusters] as c
  ON c.Customer = customer.c_customer_sk
  WHERE c.cluster = 0

Hodnotu c.cluster můžete změnit tak, aby vracela e-mailové adresy pro zákazníky v jiných clusterech.

Vyčistěte zdroje

Až tento kurz dokončíte, můžete databázi tpcxbb_1gb odstranit.

Další kroky

Ve čtvrté části této série kurzů jste dokončili tyto kroky:

• Vytvoření uložené procedury, která vygeneruje model
• Provádění clusteringu na serveru
• Použití informací o clusteringu

Další informace o používání Pythonu ve strojovém učení SQL najdete tady:

• Rychlý start: Vytvoření a spuštění jednoduchých skriptů Pythonu
• Další kurzy Pythonu pro strojové učení SQL
• Instalace balíčků Pythonu pomocí sqlmlutils