Oktatóanyag: Adatok előkészítése prediktív modell betanítása az R-ben SQL Machine Learning használatával

A következőkre vonatkozik: Sql Server 2016 (13.x) és újabb verziók felügyelt Azure SQL-példány

A négyrészes oktatóanyag-sorozat második részében az R használatával készíti elő az adatokat egy adatbázisból. A sorozat későbbi részében ezekkel az adatokkal betaníthat és üzembe helyezhet egy prediktív modellt az R-ben az SQL Server Machine Learning Services vagy a Big Data-fürtök használatával.

Ebben a cikkben megtudhatja, hogyan:

• Mintaadatbázis visszaállítása adatbázisba
• Az adatok betöltése az adatbázisból egy R-adatkeretbe
• Az adatok előkészítése az R-ben egyes oszlopok kategorikusként való azonosításával

Az első részben megtanulta, hogyan állíthatja vissza a mintaadatbázist.

A harmadik részben megtanulhatja, hogyan taníthat be gépi tanulási modellt az R-ben.

A negyedik részben megtanulhatja, hogyan tárolhatja a modellt egy adatbázisban, majd hogyan hozhat létre tárolt eljárásokat a második és harmadik részben kifejlesztett R-szkriptekből. A tárolt eljárások a kiszolgálón futnak, hogy új adatok alapján előrejelzéseket készítsenek.

Előfeltételek

Az oktatóanyag második része feltételezi, hogy elvégezte az első részt és annak előfeltételeit.

Adatok betöltése adatkeretbe

Az adatok R-ben való használatához az adatbázisból származó adatokat egy adatkeretbe (rentaldata) kell betöltenie.

Hozzon létre egy új RScript-fájlt az RStudio-ban, és futtassa a következő szkriptet. Cserélje le a ServerName nevet a saját kapcsolati adataira.

#Define the connection string to connect to the TutorialDB database
connStr <- "Driver=SQL Server;Server=ServerName;Database=TutorialDB;uid=Username;pwd=Password"


#Get the data from the table
library(RODBC)

ch <- odbcDriverConnect(connStr)

#Import the data from the table
rentaldata <- sqlFetch(ch, "dbo.rental_data")

#Take a look at the structure of the data and the top rows
head(rentaldata)
str(rentaldata)

Az alábbihoz hasonló eredményeket kell látnia.

   Year  Month  Day  RentalCount  WeekDay  Holiday  Snow
1  2014    1     20      445         2        1      0
2  2014    2     13       40         5        0      0
3  2013    3     10      456         1        0      0
4  2014    3     31       38         2        0      0
5  2014    4     24       23         5        0      0
6  2015    2     11       42         4        0      0
'data.frame':       453 obs. of  7 variables:
$ Year       : int  2014 2014 2013 2014 2014 2015 2013 2014 2013 2015 ...
$ Month      : num  1 2 3 3 4 2 4 3 4 3 ...
$ Day        : num  20 13 10 31 24 11 28 8 5 29 ...
$ RentalCount: num  445 40 456 38 23 42 310 240 22 360 ...
$ WeekDay    : num  2 5 1 2 5 4 1 7 6 1 ...
$ Holiday    : int  1 0 0 0 0 0 0 0 0 0 ...
$ Snow       : num  0 0 0 0 0 0 0 0 0 0 ...

Az adatok előkészítése

Ebben a mintaadatbázisban a legtöbb előkészítés már befejeződött, de itt még egy előkészítést fog elvégezni. Az alábbi R-szkripttel három oszlopot azonosíthat kategóriákként az adattípusok tényezőre való módosításával.

#Changing the three factor columns to factor types
rentaldata$Holiday <- factor(rentaldata$Holiday);
rentaldata$Snow    <- factor(rentaldata$Snow);
rentaldata$WeekDay <- factor(rentaldata$WeekDay);



#Visualize the dataset after the change
str(rentaldata);

Az alábbihoz hasonló eredményeket kell látnia.

data.frame':      453 obs. of  7 variables:
$ Year       : int  2014 2014 2013 2014 2014 2015 2013 2014 2013 2015 ...
$ Month      : num  1 2 3 3 4 2 4 3 4 3 ...
$ Day        : num  20 13 10 31 24 11 28 8 5 29 ...
$ RentalCount: num  445 40 456 38 23 42 310 240 22 360 ...
$ WeekDay    : Factor w/ 7 levels "1","2","3","4",..: 2 5 1 2 5 4 1 7 6 1 ...
$ Holiday    : Factor w/ 2 levels "0","1": 2 1 1 1 1 1 1 1 1 1 ...
$ Snow       : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 1 1 1 1 ...

Az adatok most fel lettek készítve a tréningre.

Erőforrások tisztítása

Ha nem folytatja ezt az oktatóanyagot, törölje a TutorialDB-adatbázist.

Következő lépések

Az oktatóanyag-sorozat második részében megtanulta, hogyan:

• A mintaadatok betöltése R-adatkeretbe
• Az adatok előkészítése az R-ben egyes oszlopok kategorikusként való azonosításával

A TutorialDB-adatbázisból származó adatokat használó gépi tanulási modell létrehozásához kövesse az oktatóanyag-sorozat harmadik részét:

Prediktív modell létrehozása az R-ben SQL Machine Learning használatával