Руководство по Python. Классификация клиентов с помощью кластеризации k-средних с помощью машинного обучения SQL

Применимо к: SQL Server 2017 (14.x) и более поздним версиям Azure SQL Управляемый экземпляр

В этом серии учебников с четырьмя частью используйте Python для разработки и развертывания модели кластеризации K-Средних в службах SQL Server Машинное обучение или Кластеры больших данных для классификации данных клиентов.

В одной из этих рядов настройте предварительные требования для руководства и восстановите образец набора данных в базу данных. Далее в этой серии используйте эти данные для обучения и развертывания модели кластеризации в Python с помощью машинного обучения SQL.

В двух и трех частях этой серии вы можете разработать некоторые скрипты Python в записной книжке Azure Data Studio для анализа и подготовки данных и обучения модели машинного обучения. Затем, в четвертой части, запустите эти скрипты Python в базе данных с помощью хранимых процедур.

Кластеризацию можно описать как организацию данных по группам, где члены группы каким-либо образом похожи друг на друга. В рамках этой серии руководств вы можете представить себя владельцем розничного предприятия. Используйте алгоритм K-Средних для выполнения кластеризации клиентов в наборе данных о покупках и возврате продуктов. Благодаря кластеризации клиентов вы можете более эффективно осуществлять маркетинговую деятельность, ориентируясь на конкретные группы. Кластеризация методом k-средних — это алгоритм неконтролируемого обучения, который ищет закономерности в данных на основе сходства.

В этой статье раскрываются следующие темы:

• Восстановление примера базы данных

В первой части вы узнаете, как подготовить данные из базы данных для выполнения кластеризации.

В третьей части вы узнаете, как создать и обучить модель кластеризации K-Средних в Python.

В четвертой части вы узнаете, как создать хранимую процедуру в базе данных, которая может выполнять кластеризацию в Python на основе новых данных.

Необходимые компоненты

• Службы машинного обучения SQL Server с языком Python — следуйте инструкциям по установке в руководстве по установке для Windows или руководстве по установке для Linux.

• Azure Data Studio. Используйте записную книжку в Azure Data Studio для Python и SQL. Дополнительные сведения о записных книжках см. в статье Использование записных книжек в Azure Data Studio.

• Дополнительные пакеты Python. Примеры в этой серии учебников используют пакеты Python, которые могут быть установлены или не установлены.

  Откройте командную строку администрирования и измените путь установки для версии Python, используемой в Azure Data Studio. Например, cd %LocalAppData%\Programs\Python\Python37-32. Затем выполните следующие команды, чтобы установить любой из этих пакетов, которые еще не установлены. Убедитесь, что эти пакеты установлены в правильном расположении установки Python. Этот параметр -t можно использовать для указания целевого каталога.

  pip install matplotlib
  pip install pandas
  pip install pyodbc
  pip install scipy
  pip install scikit-learn
  

Выполните следующие команды icacls , чтобы предоставить доступ READ и EXECUTE к установленным библиотекам службе запуска SQL Server и SID S-1-15-2-1 (ALL_APPLICATION_PACKAGES).

  icacls "C:\Program Files\Python310\Lib\site-packages" /grant "NT Service\MSSQLLAUNCHPAD":(OI)(CI)RX /T
  icacls "C:\Program Files\Python310\Lib\site-packages" /grant *S-1-15-2-1:(OI)(CI)RX /T

Восстановление примера базы данных

Пример набора данных, используемый в этом учебнике, был сохранен в файл резервной копии базы данных BAK, чтобы его можно было скачать и использовать. Этот набор данных является производным от набора данных tpcx-bb, предоставляемого Советом по оценке производительности обработки транзакций (TPC).

Примечание.

Если вы используете Службы машинного обучения в Кластерах больших данных, ознакомьтесь со статьей Восстановление базы данных на главном экземпляре кластера больших данных SQL Server.

1. Скачайте файл tpcxbb_1gb.bak.

2. Следуйте инструкциям из раздела Восстановление базы данных из файла резервной копии в Azure Data Studio, используя следующие сведения:

   • Выполните импорт из скачанного файла tpcxbb_1gb.bak.
   • Присвойте целевой базе данных имя tpcxbb_1gb.

3. Вы можете убедиться, что набор данных существует после восстановления базы данных, запросив таблицу dbo.customer :

   USE tpcxbb_1gb;
   SELECT * FROM [dbo].[customer];
   

Очистка ресурсов

Если вы не собираетесь продолжать работу с этим учебником, удалите базу данных tpcxbb_1gb.

Следующий шаг

В первой части этого учебника вы выполнили следующие действия:

• Восстановление примера базы данных

Чтобы подготовить данные из для модели машинного обучения, перейдите ко второй части этого учебника:

Руководство по Python. Подготовка данных для выполнения кластеризации