Teilen über

Iris-Demodaten für Python- und R-Tutorials für SQL Machine Learning

  • Artikel

Gilt für: SQL Server 2016 (13.x) und höher Azure SQL Managed Instance

In dieser Übung erstellen Sie eine Datenbank zum Speichern von Daten aus dem Iris-Dataset sowie zum Speichern von Modellen, die auf diesen Daten basieren. Die Iris-Daten sind sowohl in den R- als auch in den Python-Distributionen enthalten und werden in Tutorials für SQL Machine Learning verwendet.

Für diese Übung benötigen Sie SQL Server Management Studio oder ein anderes Tool zum Ausführen von T-SQL-Abfragen.

Dieses Dataset wird in folgenden Tutorials und Schnellstarts verwendet:

Erstellen der Datenbank

  1. Starten Sie SQL Server Management Studio, und öffnen Sie ein neues Abfragefenster.

  2. Erstellen Sie für dieses Projekt eine neue Datenbank, und ändern Sie den Kontext für Ihr Abfragefenster so, dass die neue Datenbank verwendet wird.

    CREATE DATABASE irissql
GO
USE irissql
GO

  3. Fügen Sie leere Tabellen hinzu: eine zum Speichern der Daten und eine zum Speichern der trainierten Modelle. Die Tabelle iris_models wird zum Speichern von serialisierten Modellen verwendet, die in anderen Übungen generiert werden.

    Mit dem folgenden Code wird die Tabelle für die Trainingsdaten erstellt.

    DROP TABLE IF EXISTS iris_data;
GO
CREATE TABLE iris_data (
  id INT NOT NULL IDENTITY PRIMARY KEY
  , "Sepal.Length" FLOAT NOT NULL, "Sepal.Width" FLOAT NOT NULL
  , "Petal.Length" FLOAT NOT NULL, "Petal.Width" FLOAT NOT NULL
  , "Species" VARCHAR(100) NOT NULL, "SpeciesId" INT NOT NULL
);

  4. Führen Sie den folgenden Code aus, um die zum Speichern des trainierten Modells verwendete Tabelle zu erstellen. Python- oder R-Modelle können erst in SQL Server gespeichert werden, nachdem sie serialisiert und dann in einer Spalte vom Typ varbinary(max) gespeichert wurden.

    DROP TABLE IF EXISTS iris_models;
GO

CREATE TABLE iris_models (
  model_name VARCHAR(50) NOT NULL DEFAULT('default model') PRIMARY KEY,
  model VARBINARY(MAX) NOT NULL
);
GO

    Neben dem Modellinhalt sollten Sie auch Spalten für andere nützliche Metadaten wie für den Namen des Modells, das Trainingsdatum, den Quellalgorithmus, die Quellparameter, Quelldaten usw. hinzufügen. Vorerst halten wir es einfach und verwenden nur den Modellnamen.

Auffüllen der Tabelle

Rufen Sie integrierte Iris-Daten von R oder Python ab. Laden Sie die Daten mit Python oder R in einen Datenrahmen, und fügen Sie diesen in eine Tabelle in der Datenbank ein. Für das Verschieben von Trainingsdaten aus einer externen Sitzung in eine Tabelle sind mehrere Schritte erforderlich:

  • Entwerfen Sie eine gespeicherte Prozedur, mit der die gewünschten Daten abgerufen werden.
  • Führen Sie die gespeicherte Prozedur aus, um die Daten letztlich abzurufen.
  • Erstellen Sie eine INSERT-Anweisung, um anzugeben, in welchem Verzeichnis die abgerufenen Daten gespeichert werden sollen.

  1. Erstellen Sie bei Systemen mit Python-Integration die folgende gespeicherte Prozedur, mit deren Hilfe die Daten mittels Python-Code geladen werden.

    CREATE PROCEDURE get_iris_dataset
AS
BEGIN
EXEC sp_execute_external_script @language = N'Python', 
@script = N'
from sklearn import datasets
iris = datasets.load_iris()
iris_data = pandas.DataFrame(iris.data)
iris_data["Species"] = pandas.Categorical.from_codes(iris.target, iris.target_names)
iris_data["SpeciesId"] = iris.target
', 
@input_data_1 = N'', 
@output_data_1_name = N'iris_data'
WITH RESULT SETS (("Sepal.Length" float not null, "Sepal.Width" float not null, "Petal.Length" float not null, "Petal.Width" float not null, "Species" varchar(100) not null, "SpeciesId" int not null));
END;
GO

    Wenn Sie diesen Code ausführen, sollten Sie die Meldung „Befehle erfolgreich abgeschlossen“ abrufen. Dies bedeutet, dass die gespeicherte Prozedur entsprechend Ihren Spezifikationen erstellt wurde.

  2. Bei Systemen mit R-Integration erstellen Sie eine Prozedur, die anstelle von Python-Code R-Code verwendet.

    CREATE PROCEDURE get_iris_dataset
AS
BEGIN
EXEC sp_execute_external_script @language = N'R', 
@script = N'
library(RevoScaleR)
data(iris)
iris$SpeciesID <- c(unclass(iris$Species))
iris_data <- iris
', 
@input_data_1 = N'', 
@output_data_1_name = N'iris_data'
WITH RESULT SETS (("Sepal.Length" float not null, "Sepal.Width" float not null, "Petal.Length" float not null, "Petal.Width" float not null, "Species" varchar(100) not null, "SpeciesId" int not null));
END;
GO

  3. Um die Tabelle letztlich aufzufüllen, führen Sie die gespeicherte Prozedur aus und geben Sie die Tabelle an, in der die Daten gespeichert werden sollen. Beim Ausführen der gespeicherten Prozedur wird der Python-Code bzw. der R-Code ausgeführt, mit dem das integrierte Iris-Dataset geladen wird und die Daten in die Tabelle iris_data einfügt werden.

    INSERT INTO iris_data ("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species", "SpeciesId")
EXEC dbo.get_iris_dataset;

    Wenn Sie mit T-SQL nicht vertraut sind, sei Ihnen gesagt, dass mit der INSERT-Anweisung nur neue Daten hinzugefügt werden. Es wird nicht geprüft, ob Daten vorhanden sind, und die Tabelle wird weder gelöscht noch neu erstellt. Um zu vermeiden, dass sich in der Tabelle mehrere Kopien derselben Daten befinden, können Sie zuerst die folgende Anweisung ausführen: TRUNCATE TABLE iris_data. Mit der T-SQL-Anweisung TRUNCATE TABLE werden vorhandene Daten gelöscht, die Struktur der Tabelle bleibt jedoch erhalten.

Abfragen der Daten

Führen Sie eine Abfrage aus, um zu prüfen, ob die Daten hochgeladen wurden.

  1. Klicken Sie in Objekt-Explorer unter „Datenbanken“ mit der rechten Maustaste auf die Datenbank irissql, und starten Sie eine neue Abfrage.

  2. Führen Sie einige einfache Abfragen aus:

    SELECT TOP(10) * FROM iris_data;
SELECT COUNT(*) FROM iris_data;

Nächste Schritte

Im Rahmen des folgenden Schnellstarts erstellen Sie ein Machine Learning-Modell und speichern es in einer Tabelle. Anschließend generieren Sie mithilfe des Modells vorhergesagte Ergebnisse.