Python-oktatóanyag: Modell üzembe helyezése az ügyfelek sql-alapú gépi tanulással való kategorizálásához

A következőkre vonatkozik: Sql Server 2017 (14.x) és újabb verziók Felügyelt Azure SQL-példány

A négyrészes oktatóanyag-sorozat negyedik részében üzembe helyez egy Pythonban fejlesztett fürtözési modellt egy SQL Server Machine Learning Services vagy Big Data-fürtök használatával.

Ahhoz, hogy rendszeresen klaszterezhessen, ahogy új ügyfelek regisztrálnak, képesnek kell lennie meghívni a Python-szkriptet bármilyen alkalmazásból. Ehhez üzembe helyezheti a Python-szkriptet egy adatbázisban úgy, hogy a Python-szkriptet egy SQL-ben tárolt eljárásba helyezi. Mivel a modell az adatbázisban fut, közvetlenül betanítható az adatbázisban tárolt adatokkal.

Ebben a szakaszban áthelyezi az imént írt Python-kódot a szerverre, és elindítja a fürtözést.

Ebben a cikkben megtudhatja, hogyan:

• A modellt létrehozó tárolt eljárás létrehozása
• Fürtözés végrehajtása a kiszolgálón
• A fürtözési adatok használata

Az első részben telepítette az előfeltételeket, és visszaállította a mintaadatbázist.

A második részben megtanulta, hogyan készítheti elő az adatokat egy adatbázisból a fürtözés végrehajtására.

A harmadik részben megtanulta, hogyan hozhat létre és taníthat be K-Means fürtözési modellt a Pythonban.

Előfeltételek

• Az oktatóanyag-sorozat negyedik része feltételezi, hogy teljesítette az első rész előfeltételeit, és elvégezte a második és harmadik rész lépéseit.

A modellt létrehozó tárolt eljárás létrehozása

Futtassa a következő T-SQL-szkriptet a tárolt eljárás létrehozásához. Az eljárás újra létrehozza az oktatóanyag-sorozat első és második részében kifejlesztett lépéseket:

• az ügyfelek besorolása a vásárlási és visszaküldési előzmények alapján
• Négy ügyfélcsoport létrehozása a K-Means algoritmus alkalmazásával.

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

Fürtözés végrehajtása

Most, hogy létrehozta a tárolt eljárást, hajtsa végre a következő szkriptet, hogy klaszterezést hajtson végre az eljárás segítségével.

--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;

A fürtözési adatok használata

Mivel a klaszterezési eljárást az adatbázisban tárolta, hatékonyan végezhet klaszterezést az ugyanazon az adatbázisban tárolt ügyféladatokon. Az eljárást bármikor végrehajthatja, amikor csak frissítik az ügyféladatokat, és alkalmazhatja a frissített klaszterezési információkat.

Tegyük fel, hogy promóciós e-mailt szeretne küldeni a 0. fürtben lévő ügyfeleknek, az inaktív csoportnak (az oktatóanyag harmadik részében láthatja, hogyan írta le a négy fürtöt). Az alábbi kód a 0. klaszter ügyfelei e-mail-címeit választja ki.

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

A c.cluster értékét módosítva visszakaphatja más fürtökben található ügyfelek e-mail-címeit.

Erőforrások tisztítása

Ha befejezte ezt az oktatóanyagot, törölheti a tpcxbb_1gb adatbázist.

Következő lépések

Az oktatóanyag-sorozat negyedik részében az alábbi lépéseket hajtotta végre:

• A modellt létrehozó tárolt eljárás létrehozása
• A fürtözés végrehajtása a kiszolgálón
• A fürtözési adatok használata

A Python sql-alapú gépi tanulásban való használatáról a következő témakörben olvashat bővebben:

• Rövid útmutató: Egyszerű Python-szkriptek létrehozása és futtatása
• Egyéb Python-oktatóanyagok SQL machine learninghez
• Python-csomagok telepítése sqlmlutils használatával