Oktatóanyag: Prediktív modell létrehozása 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 harmadik részében betanítunk egy prediktív modellt az R-ben. A sorozat következő részében ezt a modellt egy SQL Server-adatbázisban fogja üzembe helyezni a Machine Learning Services vagy a Big Data-fürtök használatával.

Ebben a cikkben megtudhatja, hogyan:

• Két gépi tanulási modell betanítása
• Előrejelzések készítése mindkét modellből
• Az eredmények összehasonlítása a legpontosabb modell kiválasztásához

Az első részben megtanulta, hogyan állíthatja vissza a mintaadatbázist.

A második részben megtanulta, hogyan töltheti be az adatokat egy adatbázisból egy Python-adatkeretbe, és hogyan készítheti elő az adatokat 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 Python-szkriptekből. A tárolt eljárások befutnak a kiszolgálón, hogy új adatok alapján előrejelzéseket készítsenek.

Prerequisites

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

Két modell betanítása

Ha meg szeretné találni a legjobb modellt a síkölcsönzési adatokhoz, hozzon létre két különböző modellt (lineáris regressziós és döntési fa), és nézze meg, melyiket előrejelzi pontosabban. A sorozat első részében létrehozott adatkeretet rentaldata fogja használni.

#First, split the dataset into two different sets:
# one for training the model and the other for validating it
train_data = rentaldata[rentaldata$Year < 2015,];
test_data  = rentaldata[rentaldata$Year == 2015,];


#Use the RentalCount column to check the quality of the prediction against actual values
actual_counts <- test_data$RentalCount;

#Model 1: Use lm to create a linear regression model, trained with the training data set
model_lm <- lm(RentalCount ~  Month + Day + WeekDay + Snow + Holiday, data = train_data);

#Model 2: Use rpart to create a decision tree model, trained with the training data set
library(rpart);
model_rpart  <- rpart(RentalCount ~ Month + Day + WeekDay + Snow + Holiday, data = train_data);

Előrejelzések készítése mindkét modellből

Használjon előrejelzési függvényt a bérleti díjak számának előrejelzéséhez az egyes betanított modellek használatával.

#Use both models to make predictions using the test data set.
predict_lm <- predict(model_lm, test_data)
predict_lm <- data.frame(RentalCount_Pred = predict_lm, RentalCount = test_data$RentalCount, 
                         Year = test_data$Year, Month = test_data$Month,
                         Day = test_data$Day, Weekday = test_data$WeekDay,
                         Snow = test_data$Snow, Holiday = test_data$Holiday)

predict_rpart  <- predict(model_rpart,  test_data)
predict_rpart <- data.frame(RentalCount_Pred = predict_rpart, RentalCount = test_data$RentalCount, 
                         Year = test_data$Year, Month = test_data$Month,
                         Day = test_data$Day, Weekday = test_data$WeekDay,
                         Snow = test_data$Snow, Holiday = test_data$Holiday)

#To verify it worked, look at the top rows of the two prediction data sets.
head(predict_lm);
head(predict_rpart);

Itt van az eredmények összessége.

    RentalCount_Pred  RentalCount  Month  Day  WeekDay  Snow  Holiday
1         27.45858          42       2     11     4      0       0
2        387.29344         360       3     29     1      0       0
3         16.37349          20       4     22     4      0       0
4         31.07058          42       3      6     6      0       0
5        463.97263         405       2     28     7      1       0
6        102.21695          38       1     12     2      1       0
    RentalCount_Pred  RentalCount  Month  Day  WeekDay  Snow  Holiday
1          40.0000          42       2     11     4      0       0
2         332.5714         360       3     29     1      0       0
3          27.7500          20       4     22     4      0       0
4          34.2500          42       3      6     6      0       0
5         645.7059         405       2     28     7      1       0
6          40.0000          38       1     12     2      1       0

Az eredmények összehasonlítása

Most látni szeretné, hogy mely modellek adják a legjobb előrejelzéseket. Ennek gyors és egyszerű módja egy egyszerű ábrázolási függvény használata a betanítási adatok tényleges értékei és az előrejelzett értékek közötti különbség megtekintéséhez.

#Use the plotting functionality in R to visualize the results from the predictions
par(mfrow = c(1, 1));
plot(predict_lm$RentalCount_Pred - predict_lm$RentalCount, main = "Difference between actual and predicted. lm")
plot(predict_rpart$RentalCount_Pred  - predict_rpart$RentalCount,  main = "Difference between actual and predicted. rpart")

Úgy tűnik, hogy a döntési fa modell a két modell közül a pontosabb.

Erőforrások tisztítása

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

Következő lépések

Az oktatóanyag-sorozat harmadik részében megtanulta, hogyan:

• Két gépi tanulási modell betanítása
• Előrejelzések készítése mindkét modellből
• Az eredmények összehasonlítása a legpontosabb modell kiválasztásához

A létrehozott gépi tanulási modell üzembe helyezéséhez kövesse az oktatóanyag-sorozat negyedik részét:

Prediktív modell üzembe helyezése az R-ben SQL Machine Learning használatával