Руководство по подготовке данных для обучения прогнозной модели в R с помощью машинного обучения SQL

Применимо к: SQL Server 2016 (13.x) и более поздним версиям Azure SQL Managed Instance

Во второй части этого цикла учебников, состоящего из четырех частей, вы подготовите данные из базы данных с помощью R. Далее в этом цикле подготовленные данные будут использоваться для обучения и развертывания прогнозной модели машинного обучения в R с помощью Служб машинного обучения SQL Server или в Кластерах больших данных.

В этой статье вы узнаете, как выполнять следующие задачи.

• Восстановление примера базы данных в базу данных.
• Загрузка данных из базы данных в кадр данных R.
• Подготовка данных на языке R путем определения некоторых столбцов как категориальных.

В первой части вы узнали, как восстановить учебную базу данных.

В третьей части вы узнаете, как обучить модель машинного обучения в R.

В четвертой части вы узнаете, как сохранить модель в базе данных, а затем создать хранимые процедуры на основе сценариев R, разработанных во второй и третьей частях. Хранимые процедуры будут запускаться на сервере, чтобы формировать прогнозы на основе новых данных.

Необходимые компоненты

Во второй части этого учебника предполагается, что вы уже выполнили первую часть и описанные в ней предварительные требования.

Загрузка данных в кадр данных

Чтобы использовать данные в R, загрузите их из базы данных в кадр данных (rentaldata).

Создайте файл RScript в RStudio и выполните следующий сценарий. Замените ServerName собственными данными для подключения.

#Define the connection string to connect to the TutorialDB database
connStr <- "Driver=SQL Server;Server=ServerName;Database=TutorialDB;uid=Username;pwd=Password"


#Get the data from the table
library(RODBC)

ch <- odbcDriverConnect(connStr)

#Import the data from the table
rentaldata <- sqlFetch(ch, "dbo.rental_data")

#Take a look at the structure of the data and the top rows
head(rentaldata)
str(rentaldata)

Результат должен иметь следующий вид.

   Year  Month  Day  RentalCount  WeekDay  Holiday  Snow
1  2014    1     20      445         2        1      0
2  2014    2     13       40         5        0      0
3  2013    3     10      456         1        0      0
4  2014    3     31       38         2        0      0
5  2014    4     24       23         5        0      0
6  2015    2     11       42         4        0      0
'data.frame':       453 obs. of  7 variables:
$ Year       : int  2014 2014 2013 2014 2014 2015 2013 2014 2013 2015 ...
$ Month      : num  1 2 3 3 4 2 4 3 4 3 ...
$ Day        : num  20 13 10 31 24 11 28 8 5 29 ...
$ RentalCount: num  445 40 456 38 23 42 310 240 22 360 ...
$ WeekDay    : num  2 5 1 2 5 4 1 7 6 1 ...
$ Holiday    : int  1 0 0 0 0 0 0 0 0 0 ...
$ Snow       : num  0 0 0 0 0 0 0 0 0 0 ...

Подготовка данных

В этом образце базы данных большая часть подготовки уже выполнена, но можно сделать еще кое-что. Используйте следующий сценарий R для определения трех столбцов как категорий, изменив типы данных на factor.

#Changing the three factor columns to factor types
rentaldata$Holiday <- factor(rentaldata$Holiday);
rentaldata$Snow    <- factor(rentaldata$Snow);
rentaldata$WeekDay <- factor(rentaldata$WeekDay);



#Visualize the dataset after the change
str(rentaldata);

Результат должен иметь следующий вид.

data.frame':      453 obs. of  7 variables:
$ Year       : int  2014 2014 2013 2014 2014 2015 2013 2014 2013 2015 ...
$ Month      : num  1 2 3 3 4 2 4 3 4 3 ...
$ Day        : num  20 13 10 31 24 11 28 8 5 29 ...
$ RentalCount: num  445 40 456 38 23 42 310 240 22 360 ...
$ WeekDay    : Factor w/ 7 levels "1","2","3","4",..: 2 5 1 2 5 4 1 7 6 1 ...
$ Holiday    : Factor w/ 2 levels "0","1": 2 1 1 1 1 1 1 1 1 1 ...
$ Snow       : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 1 1 1 1 ...

Теперь данные готовы для обучения.

Очистка ресурсов

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

Следующие шаги

Во второй части этого цикла учебников вы узнали, как выполнять следующие задачи:

• Загрузка примера данных в кадр данных R
• Подготовка данных на языке R путем определения некоторых столбцов как категориальных.

Чтобы создать модель машинного обучения, которая использует данные из базы данных TutorialDB, перейдите к третьей части этого цикла учебников:

Создание прогнозной модели в R с помощью машинного обучения SQL