Udostępnij za pomocą

Szybki start: funkcje języka R z uczeniem maszynowym SQL

Dotyczy: SQL Server 2016 (13.x) i nowsze wersje usługi Azure SQL Managed Instance

W tym przewodniku Szybki start dowiesz się, jak używać funkcji matematycznych i narzędziowych języka R w usługach SQL Server Machine Learning Services lub w klastrach danych big data. Funkcje statystyczne są często skomplikowane do zaimplementowania w języku T-SQL, ale można to zrobić w języku R z zaledwie kilkoma wierszami kodu.

W tym przewodniku Szybki start dowiesz się, jak używać funkcji matematycznych i narzędziowych języka R z usługami SQL Server Machine Learning Services. Funkcje statystyczne są często skomplikowane do zaimplementowania w języku T-SQL, ale można to zrobić w języku R z zaledwie kilkoma wierszami kodu.

W tym wprowadzeniu nauczysz się, jak używać funkcji matematycznych i narzędzi języka R z usługami R programu SQL Server. Funkcje statystyczne są często skomplikowane do zaimplementowania w języku T-SQL, ale można to zrobić w języku R z zaledwie kilkoma wierszami kodu.

W tym przewodniku Szybki start dowiesz się, jak używać struktur danych i typów danych podczas korzystania z języka R w usługach Azure SQL Managed Instance Machine Learning Services. Dowiesz się więcej o przenoszeniu danych między usługą R i usługą SQL Managed Instance oraz o typowych problemach, które mogą wystąpić.

Wymagania wstępne

Aby uruchomić szybki start, potrzebne są następujące prerekwizyty.

  • Narzędzie do uruchamiania zapytań SQL zawierających skrypty języka R. W tym przewodniku Szybki start jest używany program Azure Data Studio.

Utworzyć procedurę składowaną w celu wygenerowania liczb losowych

Dla uproszczenia użyjemy pakietu języka R stats , który jest instalowany i ładowany domyślnie. Pakiet zawiera setki funkcji dla typowych zadań statystycznych, wśród nich rnorm funkcję, która generuje określoną liczbę liczb losowych przy użyciu rozkładu normalnego, biorąc pod uwagę odchylenie standardowe i średnią.

Na przykład, poniższy kod w języku R zwraca 100 liczb o średniej 50 przy odchyleniu standardowym wynoszącym 3.

as.data.frame(rnorm(100, mean = 50, sd = 3));

Aby wywołać ten wiersz R z T-SQL, dodaj funkcję R w parametrze skryptu R w sp_execute_external_script, jak poniżej:

EXECUTE sp_execute_external_script
      @language = N'R'
    , @script = N'
         OutputDataSet <- as.data.frame(rnorm(100, mean = 50, sd =3));'
    , @input_data_1 = N'   ;'
      WITH RESULT SETS (([Density] float NOT NULL));

Co zrobić, jeśli chcesz ułatwić generowanie innego zestawu liczb losowych?

Jest to łatwe w połączeniu z językiem T-SQL. Zdefiniuj procedurę składowaną, która pobiera argumenty od użytkownika, a następnie przekazuje te argumenty do skryptu języka R jako zmienne.

CREATE PROCEDURE MyRNorm (
    @param1 INT
    , @param2 INT
    , @param3 INT
    )
AS
EXECUTE sp_execute_external_script @language = N'R'
    , @script = N'
	     OutputDataSet <- as.data.frame(rnorm(mynumbers, mymean, mysd));'
    , @input_data_1 = N'   ;'
    , @params = N' @mynumbers int, @mymean int, @mysd int'
    , @mynumbers = @param1
    , @mymean = @param2
    , @mysd = @param3
WITH RESULT SETS(([Density] FLOAT NOT NULL));

  • Pierwszy wiersz definiuje każdy z parametrów wejściowych SQL, które są wymagane podczas wykonywania procedury składowanej.

  • Wiersz rozpoczynający się od @params definiuje wszystkie zmienne używane przez kod języka R i odpowiadające im typy danych SQL.

  • Wiersze te bezpośrednio przyporządkowują nazwy parametrów SQL do odpowiadających im nazw zmiennych R.

Teraz, gdy funkcja języka R została opakowana w procedurę składowaną, możesz łatwo wywołać funkcję i przekazać różne wartości w następujący sposób:

EXECUTE MyRNorm @param1 = 100,@param2 = 50, @param3 = 3

Rozwiązywanie problemów przy użyciu funkcji narzędzi języka R

Pakiet narzędzi instalowany domyślnie udostępnia różne funkcje narzędzi do badania bieżącego środowiska języka R. Te funkcje mogą być przydatne, jeśli znajdziesz rozbieżności w sposobie wykonywania kodu języka R w programie SQL Server i w środowiskach zewnętrznych.

Na przykład można użyć funkcji chronometrażu systemu w języku R, takich jak system.time i proc.time, do przechwytywania czasu używanego przez procesy języka R i analizowania problemów z wydajnością. Aby zapoznać się z przykładem, zobacz samouczek Tworzenie funkcji danych , w których funkcje chronometrażu języka R są osadzone w rozwiązaniu.

EXECUTE sp_execute_external_script
      @language = N'R'
    , @script = N'
        library(utils);
        start.time <- proc.time();
        
        # Run R processes
        
        elapsed_time <- proc.time() - start.time;'

Aby uzyskać informacje o innych przydatnych funkcjach, zobacz Używanie funkcji profilowania kodu języka R w celu zwiększenia wydajności.

Dalsze kroki

Aby utworzyć model uczenia maszynowego za pomocą języka R z uczeniem maszynowym SQL, wykonaj czynności opisane w tym przewodniku szybkiego startu:

Tworzenie i ocenianie modelu predykcyjnego w języku R przy użyciu uczenia maszynowego SQL

  • Last updated on