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 trzeciej części tej czteroczęściowej serii samouczków wytrenujesz model predykcyjny w języku R. W następnej części tej serii wdrożysz ten model w bazie danych programu SQL Server z usługami Machine Learning Services lub w klastrach danych big data.

W tym artykule dowiesz się, jak:

• Trenowanie dwóch modeli uczenia maszynowego
• Przewidywanie na podstawie obu modeli
• Porównaj wyniki, aby wybrać najbardziej dokładny model

W części drugiej przedstawiono sposób przywracania przykładowej bazy danych.

W drugiej części przedstawiono sposób ładowania danych z bazy danych do ramki danych języka Python i przygotowywania danych w języku R.

W czwartej części dowiesz się, jak przechowywać model w bazie danych, a następnie utworzyć procedury składowane na podstawie skryptów języka Python utworzonych w częściach 2 i trzech. Procedury składowane będą uruchamiane na serwerze w celu przewidywania na podstawie nowych danych.

Prerequisites

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

Trenowanie dwóch modeli

Aby znaleźć najlepszy model dla danych wynajmu nart, utwórz dwa różne modele (regresja liniowa i drzewo decyzyjne) i zobacz, który z nich przewiduje się dokładniej. Użyjesz ramki rentaldata danych utworzonej w części jednej z tej serii.

#First, split the dataset into two different sets:
# one for training the model and the other for validating it
train_data = rentaldata[rentaldata$Year < 2015,];
test_data  = rentaldata[rentaldata$Year == 2015,];


#Use the RentalCount column to check the quality of the prediction against actual values
actual_counts <- test_data$RentalCount;

#Model 1: Use lm to create a linear regression model, trained with the training data set
model_lm <- lm(RentalCount ~  Month + Day + WeekDay + Snow + Holiday, data = train_data);

#Model 2: Use rpart to create a decision tree model, trained with the training data set
library(rpart);
model_rpart  <- rpart(RentalCount ~ Month + Day + WeekDay + Snow + Holiday, data = train_data);

Przewidywanie na podstawie obu modeli

Użyj funkcji predict, aby przewidzieć liczbę wypożyczeń przy użyciu każdego wytrenowanego modelu.

#Use both models to make predictions using the test data set.
predict_lm <- predict(model_lm, test_data)
predict_lm <- data.frame(RentalCount_Pred = predict_lm, RentalCount = test_data$RentalCount, 
                         Year = test_data$Year, Month = test_data$Month,
                         Day = test_data$Day, Weekday = test_data$WeekDay,
                         Snow = test_data$Snow, Holiday = test_data$Holiday)

predict_rpart  <- predict(model_rpart,  test_data)
predict_rpart <- data.frame(RentalCount_Pred = predict_rpart, RentalCount = test_data$RentalCount, 
                         Year = test_data$Year, Month = test_data$Month,
                         Day = test_data$Day, Weekday = test_data$WeekDay,
                         Snow = test_data$Snow, Holiday = test_data$Holiday)

#To verify it worked, look at the top rows of the two prediction data sets.
head(predict_lm);
head(predict_rpart);

Oto zestaw wyników.

    RentalCount_Pred  RentalCount  Month  Day  WeekDay  Snow  Holiday
1         27.45858          42       2     11     4      0       0
2        387.29344         360       3     29     1      0       0
3         16.37349          20       4     22     4      0       0
4         31.07058          42       3      6     6      0       0
5        463.97263         405       2     28     7      1       0
6        102.21695          38       1     12     2      1       0
    RentalCount_Pred  RentalCount  Month  Day  WeekDay  Snow  Holiday
1          40.0000          42       2     11     4      0       0
2         332.5714         360       3     29     1      0       0
3          27.7500          20       4     22     4      0       0
4          34.2500          42       3      6     6      0       0
5         645.7059         405       2     28     7      1       0
6          40.0000          38       1     12     2      1       0

Porównanie wyników

Teraz chcesz zobaczyć, które z modeli dają najlepsze przewidywania. Szybkim i łatwym sposobem na wykonanie tej czynności jest użycie podstawowej funkcji kreślenia w celu wyświetlenia różnicy między rzeczywistymi wartościami w danych treningowych a przewidywanymi wartościami.

#Use the plotting functionality in R to visualize the results from the predictions
par(mfrow = c(1, 1));
plot(predict_lm$RentalCount_Pred - predict_lm$RentalCount, main = "Difference between actual and predicted. lm")
plot(predict_rpart$RentalCount_Pred  - predict_rpart$RentalCount,  main = "Difference between actual and predicted. rpart")

Wygląda na to, że model drzewa decyzyjnego jest dokładniejszy z dwóch modeli.

Uprzątnij zasoby

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

Dalsze kroki

W trzeciej części tej serii samouczków przedstawiono następujące zagadnienia:

• Trenowanie dwóch modeli uczenia maszynowego
• Przewidywanie na podstawie obu modeli
• Porównaj wyniki, aby wybrać najbardziej dokładny model

Aby wdrożyć utworzony model uczenia maszynowego, wykonaj czynności opisane w czwartej części tej serii samouczków:

Wdrażanie modelu predykcyjnego w języku R przy użyciu uczenia maszynowego SQL