Samouczek: tworzenie modelu predykcyjnego w języku R przy użyciu uczenia maszynowego SQL

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

W tej czteroczęściowej serii samouczków użyjesz języka R i modelu uczenia maszynowego w usługach SQL Server Machine Learning Services lub w klastrach danych big data , aby przewidzieć liczbę wypożyczeń narciarskich.

Wyobraź sobie, że jesteś właścicielem firmy wynajmu nart i chcesz przewidzieć liczbę wypożyczeń, które będziesz mieć w przyszłości. Te informacje pomogą Ci przygotować zapasy, personel i obiekty.

W pierwszej części tej serii zajmiesz się przygotowaniem wymagań wstępnych do rozpoczęcia pracy. W dwóch i trzech częściach utworzysz kilka skryptów języka R w notesie, aby przygotować dane i wytrenować model uczenia maszynowego. Następnie w trzeciej części uruchomisz te skrypty języka R wewnątrz bazy danych przy użyciu procedur składowanych języka T-SQL.

W tym artykule dowiesz się, jak:

• Przywracanie przykładowej bazy danych

W drugiej części dowiesz się, jak załadować dane z bazy danych do ramki danych języka Python i przygotować dane w języku R.

W trzeciej części dowiesz się, jak wytrenować model uczenia maszynowego w języku R.

W czwartej części dowiesz się, jak przechowywać model w bazie danych, a następnie tworzyć procedury składowane na podstawie skryptów języka R opracowanych w częściach 2 i trzech. Procedury składowane są uruchamiane na serwerze w celu przewidywania na podstawie nowych danych.

Wymagania wstępne

• Sql Server Machine Learning Services — aby zainstalować usługi Machine Learning Services, zobacz Przewodnik instalacji systemu Windows lub Przewodnik instalacji systemu Linux. Usługi Machine Learning Services można również włączyć w klastrach danych big data programu SQL Server.

• Środowisko IDE języka R — w tym samouczku jest używane RStudio Desktop.

• RODBC — ten sterownik jest używany w skryptach języka R, które opracowujesz w tym samouczku. Jeśli nie jest jeszcze zainstalowany, zainstaluj go przy użyciu polecenia install.packages("RODBC")języka R . Aby uzyskać więcej informacji na temat pakietu RODBC, zobacz CRAN — Package RODBC.

• Narzędzie zapytań SQL — w tym samouczku założono, że używasz narzędzia Azure Data Studio. Aby uzyskać więcej informacji, zobacz How to use notebooks in Azure Data Studio (Jak używać notesów w narzędziu Azure Data Studio).

Przywracanie przykładowej bazy danych

Przykładowa baza danych używana w tym samouczku została zapisana w .bak pliku kopii zapasowej bazy danych do pobrania i użycia.

Uwaga / Notatka

Jeśli używasz usług Machine Learning Services w klastrach danych big-data, zobacz, jak przywrócić bazę danych do głównej instancji klastra danych big-data programu SQL Server.

1. Pobierz plik TutorialDB.bak.

2. Postępuj zgodnie z instrukcjami w artykule Przywracanie bazy danych z pliku kopii zapasowej w narzędziu Azure Data Studio, korzystając z następujących szczegółów:

   • Zaimportuj z pobranego TutorialDB.bak pliku.
   • Nadaj docelowej bazie danych TutorialDBnazwę .

3. Możesz sprawdzić, czy przywrócona baza danych istnieje, wykonując dbo.rental_data zapytanie dotyczące tabeli:

   USE TutorialDB;
   SELECT * FROM [dbo].[rental_data];
   

Uprzątnij zasoby

Jeśli nie zamierzasz kontynuować pracy z tym samouczkiem, usuń bazę danych TutorialDB.

Następny krok

W jednej części tej serii samouczków wykonano następujące kroki:

• Zainstalowano niezbędne składniki
• Przywrócono przykładową bazę danych

Aby przygotować dane dla modelu uczenia maszynowego, wykonaj drugą część tej serii samouczków:

Przygotowywanie danych do trenowania modelu predykcyjnego w języku R