Ескертпе
Бұл бетке кіру үшін қатынас шегін айқындау қажет. Жүйеге кіруді немесе каталогтарды өзгертуді байқап көруге болады.
Бұл бетке кіру үшін қатынас шегін айқындау қажет. Каталогтарды өзгертуді байқап көруге болады.
Область применения: 
SQL Server 2016 (13.x) и более поздних версий
MicrosoftML — это пакет R от Майкрософт, предоставляющий высокопроизводительные алгоритмы машинного обучения. Он включает в себя функции для обучения и преобразований, оценки, анализа текста и изображений, а также извлечения компонентов для получения значений из существующих данных. Пакет входит в Службы машинного обучения SQL Server и службы SQL Server 2016 R и поддерживает высокую производительность при работе с большими данными, используя многоядерную обработку и быструю потоковую передачу данных. MicrosoftML также включает многочисленные преобразования для обработки текста и изображений.
Полная справочная документация
Пакет MicrosoftML распространяется в нескольких продуктах Майкрософт, но его использование не зависит от того, получили ли вы его в SQL Server или в другом продукте. Благодаря сходству функций документация по отдельным функциям RevoScaleR опубликована только в одном разделе в справочнике по R. Если для конкретных продуктов функции будут действовать иначе, выявленные расхождения будут приведены на странице справки по функциям.
Версии и платформы
Пакет MicrosoftML основан на R 3.5.2 и доступен только при установке одного из следующих продуктов или скачиваемых файлов Майкрософт:
Примечание.
В SQL Server 2017 полные версии выпусков продуктов доступны только для Windows. В SQL Server 2019 библиотека MicrosoftML поддерживает Windows и Linux.
Зависимости пакетов
Алгоритмы в MicrosoftML используют RevoScaleR для следующего.
- Объекты источников данных. Данные, потребляемые функциями MicrosoftML, создаются с помощью функций RevoScaleR.
- Удаленное вычисление (перенос выполнения функций в удаленный экземпляр SQL Server). Пакет RevoScaleR предоставляет функции для создания и активации удаленного контекста вычислений для SQL Server.
В большинстве случаев при использовании MicrosoftML пакеты будут загружаться вместе.
Функции по категориям
Чтобы можно было понять, как использовать каждую функцию, в этом разделе приводится описание функций по категориям. Для поиска функций в алфавитном порядке можно воспользоваться оглавлением.
1. Алгоритмы машинного обучения
| Имя функции | Description |
|---|---|
| rxFastTrees | Реализация FastRank, эффективной реализации алгоритма градиентного усиления MART. |
| rxFastForest | Реализация случайного леса и леса регрессии квантилей с помощью rxFastTrees. |
| rxLogisticRegression | Логистическая регрессия с использованием L-BFGS. |
| rxOneClassSvm | Одноклассовый метод опорных векторов. |
| rxNeuralNet | Алгоритм бинарной нейронной сети с несколькими классами и регрессией. |
| rxFastLinear | Метод стохастической оптимизации с двойными координатами для линейной двоичной классификации и регрессии. |
| rxEnsemble | Проводите обучение нескольких моделей различных типов, чтобы получить лучшую прогнозную производительность, чем можно получить из одной модели. |
2. Функции преобразования
| Имя функции | Description |
|---|---|
| concat | Преобразование для создания одного столбца с векторным значением из нескольких столбцов. |
| categorical | Создание вектора индикатора с помощью преобразования категорий с использованием словаря. |
| categoricalHash | Преобразует значение категории в массив индикаторов с помощью хэширования. |
| featurizeText | Формирует набор счетчиков последовательных слов, называемых n-граммами, из заданной совокупности текста. Обеспечивает определение языка, разметку, удаление стоп-слов, нормализацию текста и создание компонентов. |
| getSentiment | Оценивает текст на естественном языке и создает столбец, содержащий вероятности, что тональности в тексте положительны. |
| ngram | Позволяет определять аргументы для извлечения компонентов на основе подсчета и хэширования. |
| selectColumns | Выбирает набор столбцов для повторного обучения, удаляя все остальные. |
| selectFeatures | Выбирает компоненты из указанных переменных в указанном режиме. |
| loadImage | Загружает данные изображения. |
| resizeImage | Изменяет размер изображения до указанного с помощью заданного метода изменения размера. |
| extractPixels | Извлекает значения пикселей из изображения. |
| featurizeImage | Делит изображение на компоненты, используя предварительно обученную модель глубокой нейронной сети. |
3. Функции оценки и обучения
| Имя функции | Description |
|---|---|
| rxPredict.mlModel | Запускает библиотеку оценки либо из SQL Server с помощью хранимой процедуры либо из кода R, обеспечивая оценку в реальном времени, чтобы повысить скорость прогнозирования. |
| rxFeaturize | Преобразует данные из набора входных данных в набор выходных данных. |
| mlModel | Создает сводку по модели машинного обучения Microsoft R. |
4. Функции потери для классификации и регрессии
| Имя функции | Description |
|---|---|
| expLoss | Спецификации функции экспоненциальной потери для классификации. |
| logLoss | Спецификации функции логарифмической потери для классификации. |
| hingeLoss | Спецификации функции зависимой потери для классификации. |
| smoothHingeLoss | Спецификации функции сглаженной зависимой потери для классификации. |
| poissonLoss | Спецификации функции потери для регрессии Пуассона. |
| squaredLoss | Спецификации функции потери для квадратичной регрессии. |
5. Функции выбора компонентов
| Имя функции | Description |
|---|---|
| minCount | Спецификация выбора компонентов в режиме подсчета. |
| mutualInformation | Спецификация выбора компонентов в режиме взаимной информации. |
6. Ансамблейные функции моделирования
| Имя функции | Description |
|---|---|
| fastTrees | Создает список, содержащий имя функции и аргументы, для обучения модели быстрого дерева с rxEnsemble. |
| fastForest | Создает список, содержащий имя функции и аргументы, для обучения модели быстрого леса с rxEnsemble. |
| fastLinear | Создает список, содержащий имя функции и аргументы, для обучения быстрой линейной модели с rxEnsemble. |
| logisticRegression | Создает список, содержащий имя функции и аргументы, для обучения модели логистической регрессии с помощью rxEnsemble. |
| oneClassSvm | Создает список, содержащий имя функции и аргументы, для обучения модели OneClassSvm с rxEnsemble. |
7. Функции нейронных сетей
| Имя функции | Description |
|---|---|
| optimizer | Задает алгоритмы оптимизации для алгоритма машинного обучения rxNeuralNet |
8. Функции состояния пакета
| Имя функции | Description |
|---|---|
| rxHashEnv | Объект среды, используемый для хранения состояния всего пакета. |
Как использовать MicrosoftML
Функции в MicrosoftML вызываются в коде R, инкапсулированном в хранимые процедуры. Большинство разработчиков создают решения MicrosoftML локально, а затем переносят готовый код R в хранимые процедуры, отрабатывая, таким образом, процедуру развертывания.
Пакет MicrosoftML для R устанавливается как встроенный в SQL Server 2017.
Пакет не загружается по умолчанию. В качестве первого шага загрузите пакет MicrosoftML, а затем загрузите RevoScaleR, если необходимо использовать удаленные контексты вычислений либо связанные объекты подключения и источники данных. Затем можно сослаться на нужные вам функции.
library(microsoftml);
library(RevoScaleR);
logisticRegression(args);