Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Dotyczy:
SQL Server 2016 (13.x) i nowsze wersje
MicrosoftML to pakiet R od Microsoft, który oferuje wysokowydajne algorytmy uczenia maszynowego. Zawiera funkcje do trenowania i transformacji, oceniania, analizy tekstu i obrazów oraz ekstrakcji cech do wyprowadzania wartości z istniejących danych. Pakiet jest zawarty w usługach SQL Server Machine Learning oraz SQL Server R Services 2016 i obsługuje wysoką wydajność na big data, wykorzystując przetwarzanie wielordzeniowe oraz szybkie przesyłanie danych. MicrosoftML zawiera także liczne transformacje do przetwarzania tekstu i obrazów.
Pełna dokumentacja referencyjna
Pakiet MicrosoftML jest dystrybuowany w wielu produktach Microsoft, ale użycie jest takie samo, niezależnie od tego, czy dostajesz go w SQL Server, czy w innym produkcie. Ponieważ funkcje są takie same, dokumentacja dla poszczególnych funkcji RevoScaleR jest publikowana tylko w jednym miejscu pod referencją R. Jeśli istnieją jakiekolwiek zachowania charakterystyczne dla produktu, rozbieżności zostaną zanotowane na stronie pomocy funkcji.
Wersje i platformy
Pakiet MicrosoftML oparty jest na R 3.5.2 i dostępny tylko po zainstalowaniu jednego z następujących produktów lub pobranych produktów Microsoft:
Note
Pełne wersje wydania produktu są dostępne wyłącznie na Windows w SQL Server 2017. Zarówno Windows, jak i Linux są obsługiwane dla MicrosoftML w SQL Server 2019.
Zależności pakietów
Algorytmy w MicrosoftML zależą od RevoScaleR w zakresie:
- Obiekty źródła danych. Dane konsumowane przez funkcje MicrosoftML są tworzone za pomocą funkcji RevoScaleR .
- Zdalne obliczenia (przeniesienie wykonywania funkcji do zdalnej instancji SQL Server). Pakiet RevoScaleR oferuje funkcje tworzenia i aktywowania zdalnego kontekstu obliczeniowego dla SQL Server.
W większości przypadków pakiety ładują się razem, gdy korzystasz z MicrosoftML.
Funkcje według kategorii
Ta sekcja wymienia funkcje według kategorii, aby dać Ci wyobrażenie, jak każda z nich jest używana. Możesz również użyć spisu treści , aby znaleźć funkcje w kolejności alfabetycznej.
Algorytmy uczenia maszynowego 1-
| Nazwa funkcji | Description |
|---|---|
| rxFastTrees | Implementacja FastRank, wydajnej implementacji algorytmu wzmacniania gradientowego MART. |
| rxFastForest | Implementacja lasu losowego i regresji kwantylowej z wykorzystaniem rxFastTrees. |
| rxLogisticRegression | Regresja logistyczna z użyciem L-BFGS. |
| rxOneClassSvm | Jedna klasa obsługuje maszyny wektorowe. |
| rxNeuralNet | Sieć neuronowa binarna, wieloklasowa i regresja. |
| rxFastLinear | Stochastyczna optymalizacja metodą dualnego przyrostu współrzędnych dla liniowej klasyfikacji binarnej i regresji. |
| rxEnsemble | Trenuje szereg modeli różnych typów, aby uzyskać lepsze wyniki predykcyjne niż to, co można by uzyskać z jednego modelu. |
2-Funkcje transformacji
| Nazwa funkcji | Description |
|---|---|
| concat | Transformacja w celu utworzenia pojedynczej kolumny o wartości wektorowej z wielu kolumn. |
| Kategoria | Utwórz wektor wskaźnikowy za pomocą transformacji kategorycznej za pomocą słownika. |
| categoricalHash | Przekształca wartość kategoryczną w tablicę wskaźników poprzez hashowanie. |
| featurizeText | Generuje worek liczników ciągów kolejnych słów, zwanych n-gramami, z danego korpusu tekstu. Oferuje wykrywanie języka, tokenizację, usuwanie słów stopowych, normalizację tekstu oraz generowanie cech. |
| getSentiment | Ocenia tekst w języku naturalnym i tworzy kolumnę zawierającą prawdopodobieństwo, że przesłania zawarte w tekście są dodatnie. |
| ngram | pozwala definiować argumenty dla ekstrakcji cech opartej na zliczeniach i haszowaniu. |
| selectColumns | Wybiera zestaw kolumn do ponownego przetrenowania, porzucając wszystkie pozostałe. |
| selectFeatures | Wybiera cechy spośród określonych zmiennych przy użyciu określonego trybu. |
| loadImage | Ładuje dane obrazowe. |
| resizeImage | Zmienia rozmiar obrazu do określonego wymiaru za pomocą określonej metody zmiany rozmiaru. |
| extractPixels | Pobiera wartości pikseli z obrazu. |
| featurizeImage | Przedstawia obraz za pomocą wstępnie wytrenowanego modelu głębokiej sieci neuronowej. |
3-Funkcje punktacji i szkolenia
| Nazwa funkcji | Description |
|---|---|
| rxPredict.mlModel | Uruchamia bibliotekę punktacji albo z SQL Server, korzystając z procedury przechowywanej, albo z kodu R, co umożliwia punktację w czasie rzeczywistym, zapewniając znacznie szybsze wyniki predykcji. |
| rxFeaturize | Przekształca dane ze zbioru danych wejściowych na zbiór danych wyjściowych. |
| mlModel | Przedstawia podsumowanie modelu Microsoft R Machine Learning. |
4-Funkcje straty dla klasyfikacji i regresji
| Nazwa funkcji | Description |
|---|---|
| expLoss | Specyfikacja wykładniczej funkcji straty klasyfikacyjnej. |
| logLoss | Specyfikacje funkcji utraty klasyfikacji logów. |
| hingeLoss | Specyfikacje funkcji utraty klasyfikacji zawiasu. |
| smoothHingeLoss | Specyfikacje dla funkcji utraty klasyfikacyjnej na zawiasach. |
| poissonLoss | Specyfikacje funkcji strat regresji Poissona. |
| squaredLoss | Specyfikacje funkcji strat regresji kwadratowej. |
5-Funkcje wyboru cech
| Nazwa funkcji | Description |
|---|---|
| minCount | Specyfikacja wyboru funkcji w trybie liczenia. |
| wzajemne informacje | Specyfikacja wyboru cech w trybie informacji wzajemnej. |
Funkcje modelowania zespołowego
| Nazwa funkcji | Description |
|---|---|
| fastTrees | Tworzy listę zawierającą nazwę funkcji i argumenty do trenowania modelu Fast Tree za pomocą rxEnsemble. |
| fastForest | Tworzy listę zawierającą nazwę funkcji i argumenty do trenowania modelu Fast Forest za pomocą rxEnsemble. |
| fastLinear | Tworzy listę zawierającą nazwę funkcji i argumenty do trenowania szybkiego modelu liniowego za pomocą rxEnsemble. |
| logisticRegression | Tworzy listę zawierającą nazwę funkcji oraz argumenty do trenowania modelu regresji logistycznej za pomocą rxEnsemble. |
| oneClassSvm | Tworzy listę zawierającą nazwę funkcji i argumenty do trenowania modelu OneClassSvm za pomocą rxEnsemble. |
7-funkcje sieci neuronowych
| Nazwa funkcji | Description |
|---|---|
| optymalizator | Określa algorytmy optymalizacji dla algorytmu uczenia maszynowego rxNeuralNet . |
Funkcje stanu pakietu 8
| Nazwa funkcji | Description |
|---|---|
| rxHashEnv | Obiekt środowiskowy używany do przechowywania stanu całego pakietu. |
Jak korzystać z MicrosoftML
Funkcje w MicrosoftML można wywołać w kodzie R, zamkniętym w procedurach przechowywanych. Większość programistów buduje rozwiązania MicrosoftML lokalnie, a następnie migruje gotowy kod R do procedur przechowywanych jako ćwiczenie wdrożeniowe.
Pakiet MicrosoftML dla R jest instalowany "od razu" w SQL Server 2017.
Pakiet nie jest domyślnie ładowany. Jako pierwszy krok załaduj pakiet MicrosoftML , a potem RevoScaleR , jeśli potrzebujesz zdalnych kontekstów obliczeniowych lub powiązanych obiektów źródeł danych. Następnie odwołaj się do poszczególnych funkcji, których potrzebujesz.
library(microsoftml);
library(RevoScaleR);
logisticRegression(args);