Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
A következőkre vonatkozik:
SQL Server 2017 (14.x) és újabb verziók
A microsoftml egy Microsoft Python csomagja, amely nagy teljesítményű gépi tanulási algoritmusokat biztosít. Tartalmaz funkciókat a képzéshez és transzformációkhoz, pontozáshoz, szöveg- és képelemzéshez, valamint jellemzők kinyeréséhez szükséges értékek leszármaztatására meglévő adatokból. A csomag az SQL Server Machine Learning Services része van, és támogatja a nagy teljesítményt a nagy adatokon, többmagos feldolgozást és gyors adatfolyamot.
| Csomag részletei | Információ |
|---|---|
| Jelenlegi verzió: | 9,4 |
| A következőkre épülve: | Anaconda 4.2Python 3.7.1 disztribúciója |
| Csomagelosztás: | SQL Server Machine Learning Services verzió 2017 vagy 2019. |
Hogyan használjuk a microsoftml
A microsoftml modul az SQL Server Machine Learning Services részeként van telepítve, amikor hozzáadod a Pythont a telepítésedhez. Megkapod a teljes saját csomaggyűjteményt, plusz egy Python disztribúciót a modulokkal és értelmezőkkel. Bármilyen Python IDE-vel írhatsz Python szkripthívó függvényeket a microsoftml-ben, de a szkriptnek olyan számítógépen kell futnia, ahol SQL Server Machine Learning Services van Python-tal.
A Microsoftml és a revoscalepy szorosan összekapcsolódnak; A MicrosoftML-ben használt adatforrásokat revoscalepy objektumként definiálják. Compute context limitations in revoscalepy transfer to microsoftml. Nevezetesen minden funkció elérhető helyi műveletekhez, de a távoli számítási kontextusra váltáshoz RxSpark vagy RxInSQLServer szükséges.
Verziók és platformok
A microsoftml modul csak akkor érhető el, ha az alábbi Microsoft termékek vagy letöltések egyikét telepíted:
Megjegyzés:
A teljes termékkiadású verziók kizárólag Windows verzióban elérhetők az SQL Server 2017-ben. Mind a Windows, mind a Linux támogatja a Microsoft ML-hez az SQL Server 2019-ben.
Csomagfüggőségek
A microsoftml algoritmusai a revoscalepy-re támaszkodnak a következőkért:
- Adatforrás objektumok – A microsoftml függvények által fogyasztott adatokat revoscalepy függvényekkel hozzák létre.
- Távoli számítástechnika (a függvényvégrehajtás áthelyezése egy távoli SQL Server példányra) – A revoscalepy csomag funkciókat biztosít az SQL Server távoli számítási kontextusának létrehozásához és aktiválásához.
A legtöbb esetben a csomagokat együtt töltöd be, amikor microsoftml-t használsz.
Függvények kategória szerint
Ez a rész kategóriák szerint sorolja fel a függvényeket, hogy képet kapj arról, hogyan használják mindegyiket. A tartalomjegyzéket is használhatod a függvények ábécé sorrendjében való megtalálására.
1-Képzési funkciók
| Funkció | Description |
|---|---|
| microsoftml.rx_ensemble | Képzelj egy modellegyüttest. |
| microsoftml.rx_fast_forest | Random Forest. |
| microsoftml.rx_fast_linear | Lineáris modell. Sztochasztikus Dual Koordináta Emelkedéssel. |
| microsoftml.rx_fast_trees | Felerősített fák. |
| microsoftml.rx_logistic_regression | Logisztikai regresszió. |
| microsoftml.rx_neural_network | Neurális hálózat. |
| microsoftml.rx_oneclass_svm | Anomália észlelése. |
2-Transzformációs függvények
Kategóriatikus változókezelés
| Funkció | Description |
|---|---|
| MicrosoftML.categorical | Egy szövegoszlopot kategóriákba alakít. |
| microsoftml.categorical_hash | Hashel, és egy szövegoszlopot kategóriákba alakít. |
Sémakezelés
| Funkció | Description |
|---|---|
| MicrosoftML.concat | Több oszlopot egyesít egyetlen vektorba. |
| microsoftml.drop_columns | Oszlopokat dob el egy adathalmazból. |
| microsoftml.select_columns | Megtartja az adatbázis oszlopait. |
Változó kiválasztása
| Funkció | Description |
|---|---|
| microsoftml.count_select | Jellemzők kiválasztása a számok alapján. |
| microsoftml.mutualinformation_select | Jellemzők kiválasztása kölcsönös információk alapján. |
Szövegelemzés
| Funkció | Description |
|---|---|
| microsoftml.featurize_text | A szövegoszlopokat numerikus jellemzőkké alakítja. |
| microsoftml.get_sentiment | Érzelmi elemzés. |
Képelemzés
| Funkció | Description |
|---|---|
| microsoftml.load_image | Betölt egy képet. |
| microsoftml.resize_image | Méretbe lép egy kép. |
| microsoftml.extract_pixels | Pixeleket nyer ki a képből. |
| microsoftml.featurize_image | Egy képet funkcióvá alakít. |
Elemesítő függvények
| Funkció | Description |
|---|---|
| microsoftml.rx_featurize | Adattranszformáció adatforrásokhoz |
Pontozási függvények
| Funkció | Description |
|---|---|
| microsoftml.rx_predict | Pontszámok Microsoft gépi tanulási modell használatával |
Hogyan hívjuk a microsoftml-t
A microsoftml függvényei Python kódban hívhatók, amely tárolt eljárásokban kapszulálázva van. A legtöbb fejlesztő helyben épít microsoftml megoldásokat, majd a kész Python kódot telepítő eljárásokra migrálja telepítési gyakorlatként.
A microsoftml csomag Pythonhoz alapértelmezés szerint telepítve van, de ellentétben a revoscalepy-vel, alapértelmezés szerint nem töltődik be, amikor az SQL Serverrel telepített Python futtatható fájlokkal indítunk Python munkamenetet.
Első lépésként importáld a microsoftml csomagot, és importáld a revoscalepy-t , ha távoli számítási kontextusokat vagy kapcsolódó kapcsolódást vagy adatforrás objektumokat kell használnod. Ezután hivatkozz az egyes funkciókra, amikre szükséged vannak.
from microsoftml.modules.logistic_regression.rx_logistic_regression import rx_logistic_regression
from revoscalepy.functions.RxSummary import rx_summary
from revoscalepy.etl.RxImport import rx_import_datasource