Samouczek: wdrażanie modelu klastrowania w języku R przy użyciu uczenia maszynowego SQL

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

W czwartej części tej czteroczęściowej serii samouczków wdrożysz model klastrowania opracowany w języku R w bazie danych przy użyciu usług SQL Server Machine Learning Services lub klastrów danych big data.

Aby regularnie wykonywać klastrowanie, w miarę jak nowi klienci się rejestrują, musisz mieć możliwość wywołania skryptu R z dowolnej aplikacji. W tym celu można wdrożyć skrypt języka R w bazie danych, umieszczając skrypt języka R w procedurze składowanej SQL. Ponieważ model jest wykonywany w bazie danych, można go łatwo wytrenować względem danych przechowywanych w bazie danych.

W tym artykule dowiesz się, jak:

• Utwórz procedurę składowaną, która generuje model
• Wykonywanie klastrowania
• Korzystanie z informacji dotyczących klastrowania

W części 1 zainstalowano wymagania wstępne i przywrócono przykładową bazę danych.

W drugiej części przedstawiono sposób przygotowywania danych z bazy danych do wykonywania klastrowania.

W trzeciej części nauczyłeś się, jak tworzyć i trenować model klastrowania K-Średnich w języku R.

Prerequisites

• W czwartej części tej serii samouczków przyjęto założenie, że spełniono wymagania wstępne części jednej i wykonano kroki opisane w części drugiej i trzeciej.

Utwórz procedurę składowaną, która generuje model

Uruchom następujący skrypt języka T-SQL, aby utworzyć procedurę składowaną. Procedura odtwarza kroki opracowane w dwóch i trzech częściach tej serii samouczków:

• klasyfikowanie klientów na podstawie historii zakupów i zwrotów
• Wygeneruj cztery klastry klientów za pomocą algorytmu K-Średnich

Procedura przechowuje wynikowe mapowania klastra klienta w tabeli bazy danych customer_return_clusters.

USE [tpcxbb_1gb]
DROP PROC IF EXISTS generate_customer_return_clusters;
GO
CREATE procedure [dbo].[generate_customer_return_clusters]
AS
/*
  This procedure uses R to classify customers into different groups
  based on their purchase & return history.
*/
BEGIN
    DECLARE @duration FLOAT
    , @instance_name NVARCHAR(100) = @@SERVERNAME
    , @database_name NVARCHAR(128) = db_name()
-- Input query to generate the purchase history & return metrics
    , @input_query NVARCHAR(MAX) = N'
SELECT ss_customer_sk AS customer,
    round(CASE 
            WHEN (
                    (orders_count = 0)
                    OR (returns_count IS NULL)
                    OR (orders_count IS NULL)
                    OR ((returns_count / orders_count) IS NULL)
                    )
                THEN 0.0
            ELSE (cast(returns_count AS NCHAR(10)) / orders_count)
            END, 7) AS orderRatio,
    round(CASE 
            WHEN (
                    (orders_items = 0)
                    OR (returns_items IS NULL)
                    OR (orders_items IS NULL)
                    OR ((returns_items / orders_items) IS NULL)
                    )
                THEN 0.0
            ELSE (cast(returns_items AS NCHAR(10)) / orders_items)
            END, 7) AS itemsRatio,
    round(CASE 
            WHEN (
                    (orders_money = 0)
                    OR (returns_money IS NULL)
                    OR (orders_money IS NULL)
                    OR ((returns_money / orders_money) IS NULL)
                    )
                THEN 0.0
            ELSE (cast(returns_money AS NCHAR(10)) / orders_money)
            END, 7) AS monetaryRatio,
    round(CASE 
            WHEN (returns_count IS NULL)
                THEN 0.0
            ELSE returns_count
            END, 0) AS frequency
FROM (
    SELECT ss_customer_sk,
        -- return order ratio
        COUNT(DISTINCT (ss_ticket_number)) AS orders_count,
        -- return ss_item_sk ratio
        COUNT(ss_item_sk) AS orders_items,
        -- return monetary amount ratio
        SUM(ss_net_paid) AS orders_money
    FROM store_sales s
    GROUP BY ss_customer_sk
    ) orders
LEFT OUTER JOIN (
    SELECT sr_customer_sk,
        -- return order ratio
        count(DISTINCT (sr_ticket_number)) AS returns_count,
        -- return ss_item_sk ratio
        COUNT(sr_item_sk) AS returns_items,
        -- return monetary amount ratio
        SUM(sr_return_amt) AS returns_money
    FROM store_returns
    GROUP BY sr_customer_sk
    ) returned ON ss_customer_sk = sr_customer_sk
 '
EXECUTE sp_execute_external_script
      @language = N'R'
    , @script = N'
# Define the connection string

connStr <- paste("Driver=SQL Server; Server=", instance_name,
                 "; Database=", database_name,
                 "; uid=Username;pwd=Password; ",
                 sep="" )

# Input customer data that needs to be classified.
# This is the result we get from the query.
library(RODBC)

ch <- odbcDriverConnect(connStr);

customer_data <- sqlQuery(ch, input_query)

sqlDrop(ch, "customer_return_clusters")

## create clustering model
clust <- kmeans(customer_data[,2:5],4)

## create clustering output for table
customer_cluster <- data.frame(cluster=clust$cluster,customer=customer_data$customer,orderRatio=customer_data$orderRatio,
			itemsRatio=customer_data$itemsRatio,monetaryRatio=customer_data$monetaryRatio,frequency=customer_data$frequency)

## write cluster output to DB table
sqlSave(ch, customer_cluster, tablename = "customer_return_clusters")

## clean up
odbcClose(ch)
'
    , @input_data_1 = N''
    , @params = N'@instance_name nvarchar(100), @database_name nvarchar(128), @input_query nvarchar(max), @duration float OUTPUT'
    , @instance_name = @instance_name
    , @database_name = @database_name
    , @input_query = @input_query
    , @duration = @duration OUTPUT;
END;

GO

Wykonywanie klastrowania

Po utworzeniu procedury składowanej wykonaj następujący skrypt, aby wykonać klastrowanie.

--Empty table of the results before running the stored procedure
TRUNCATE TABLE customer_return_clusters;

--Execute the clustering
--This will load the table customer_return_clusters with cluster mappings
EXECUTE [dbo].[generate_customer_return_clusters];

Sprawdź, czy wszystko działa i czy faktycznie posiadamy listę klientów oraz ich mapowania do klastrów.

--Select data from table customer_return_clusters
--to verify that the clustering data was loaded
SELECT TOP (5) *
FROM customer_return_clusters;

Oto zestaw wyników.

cluster  customer  orderRatio  itemsRatio  monetaryRatio  frequency
1        29727     0           0           0              0
4        26429     0           0           0.041979       1
2        60053     0           0           0.065762       3
2        97643     0           0           0.037034       3
2        32549     0           0           0.031281       4

Korzystanie z informacji dotyczących klastrowania

Ponieważ procedura klastrowania jest przechowywana w bazie danych, może ona wydajnie wykonywać klastrowanie względem danych klientów przechowywanych w tej samej bazie danych. Można wykonać procedurę za każdym razem, gdy dane klienta zostaną zaktualizowane i użyj zaktualizowanych informacji dotyczących klastrowania.

Załóżmy, że chcesz wysłać promocyjną wiadomość e-mail do klientów w klastrze 0, która była nieaktywna (możesz zobaczyć, jak cztery klastry zostały opisane w trzeciej części tego samouczka). Poniższy kod wybiera adresy e-mail klientów w klastrze 0.

USE [tpcxbb_1gb]
--Get email addresses of customers in cluster 0 for a promotion campaign
SELECT customer.[c_email_address], customer.c_customer_sk
  FROM dbo.customer
  JOIN
  [dbo].[customer_clusters] as c
  ON c.Customer = customer.c_customer_sk
  WHERE c.cluster = 0

Wartość c.cluster można zmienić tak, aby zwracała adresy e-mail dla klientów w innych klastrach.

Uprzątnij zasoby

Po zakończeniu pracy z tym samouczkiem możesz usunąć bazę danych tpcxbb_1gb.

Dalsze kroki

W czwartej części tej serii samouczków przedstawiono sposób wykonywania następujących instrukcji:

• Utwórz procedurę składowaną, która generuje model
• Wykonywanie klastrowania przy użyciu uczenia maszynowego SQL
• Korzystanie z informacji dotyczących klastrowania

Aby dowiedzieć się więcej na temat korzystania z języka R w usługach Machine Learning Services, zobacz:

• Uruchamianie prostych skryptów języka R
• Struktury danych języka R, typy i obiekty
• Funkcje języka R