Поделиться через

Создание моделей R (учебник по SQL Server и RevoScaleR)

Область применения: SQL Server 2016 (13.x) и более поздних версий

Эта часть 7 входит в состав серии учебников по RevoScaleR, посвященной использованию функций RevoScaleR в SQL Server.

Вы обогатили обучающие данные. В этом учебнике вы проанализируете их с помощью регрессионного моделирования. Линейные модели — важный инструмент в области прогнозной аналитики. Пакет RevoScaleR содержит алгоритмы регрессии, которые позволяют разделить рабочую нагрузку на несколько частей и выполнять их параллельно.

  • создание модели линейной регрессии;
  • Создание модели машинного обучения с помощью R

создание модели линейной регрессии;

На этом шаге вы создадите простую линейную модель, которая оценивает баланс держателя кредитной карты, используя значения в столбцах gender и creditLine как независимые переменные.

Для этого используйте функцию rxLinMod, которая поддерживает удаленные контексты вычисления.

  1. Создайте переменную R для хранения готовой модели и вызовите функцию rxLinMod, передав соответствующую формулу.

    linModObj <- rxLinMod(balance ~ gender + creditLine,  data = sqlFraudDS)

  2. Чтобы просмотреть сводку результатов, вызовите стандартную функцию R summary применительно к объекту модели.

    summary(linModObj)

Вам может показаться странным, что обыкновенная функция R, такая как summary , будет здесь работать, поскольку на предыдущем шаге контекст вычислений был переключен на серверный. Однако даже если функция rxLinMod использует контекст удаленных вычислений для создания модели, она также возвращает объект, который содержит модель для локальной рабочей станции, и сохраняет его в общем каталоге.

Таким образом, для модели можно выполнять стандартные команды R, как если бы она была создана с помощью контекста local.

Результаты

Linear Regression Results for: balance ~ gender + creditLineData: sqlFraudDS (RxSqlServerData Data Source)
Dependent variable(s): balance
Total independent variables: 4 (Including number dropped: 1)
Number of valid observations: 10000
Number of missing observations: 0
Coefficients: (1 not defined because of singularities)

Estimate Std. Error t value Pr(>|t|) (Intercept)
3253.575 71.194 45.700 2.22e-16
gender=Male -88.813 78.360 -1.133 0.257
gender=Female Dropped Dropped Dropped Dropped
creditLine 95.379 3.862 24.694 2.22e-16
Signif. codes: 0  0.001  0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 3812 on 9997 degrees of freedom
Multiple R-squared: 0.05765
Adjusted R-squared: 0.05746
F-statistic: 305.8 on 2 and 9997 DF, p-value: < 2.2e-16
Condition number: 1.0184

Создание модели машинного обучения с помощью R

Далее создайте модель логистической регрессии, которая указывает, связан ли риск мошенничества с определенным заказчиком. Вы будете использовать функцию rxLogit из пакета RevoScaleR, которая поддерживает размещение моделей логистической регрессии в удаленных контекстах вычисления.

Не меняйте контекст вычисления. Кроме того, по-прежнему будет использоваться тот же источник данных.

  1. Вызовите функцию rxLogit и передайте формулу, необходимую для определения модели.

    logitObj <- rxLogit(fraudRisk ~ state + gender + cardholder + balance + numTrans + numIntlTrans + creditLine, data = sqlFraudDS, dropFirst = TRUE)

    Так как это большая модель, содержащая 60 независимых переменных, в том числе три фиктивные переменные, которые удаляются, возможно, придется подождать некоторое время, пока контекст вычислений вернет объект.

    Причина такого большого размера модели в том, что в языке R (и в пакете RevoScaleR ) каждый уровень категориальной факторной переменной автоматически обрабатывается как отдельная фиктивная переменная.

  2. Чтобы просмотреть сводку по полученной модели, вызовите функцию R summary .

    summary(logitObj)

Частичные результаты

Logistic Regression Results for: fraudRisk ~ state + gender + cardholder + balance + numTrans + numIntlTrans + creditLine
Data: sqlFraudDS (RxSqlServerData Data Source)
Dependent variable(s): fraudRisk
Total independent variables: 60 (Including number dropped: 3)
Number of valid observations: 10000 -2

LogLikelihood: 2032.8699 (Residual deviance on 9943 degrees of freedom)

Coefficients:
Estimate Std. Error z value Pr(>|z|)     (Intercept)
-8.627e+00  1.319e+00  -6.538 6.22e-11
state=AK                Dropped    Dropped Dropped  Dropped
state=AL             -1.043e+00  1.383e+00  -0.754   0.4511

(other states omitted)

gender=Male             Dropped    Dropped Dropped  Dropped
gender=Female         7.226e-01  1.217e-01   5.936 2.92e-09
cardholder=Principal    Dropped    Dropped Dropped  Dropped
cardholder=Secondary  5.635e-01  3.403e-01   1.656   0.0977
balance               3.962e-04  1.564e-05  25.335 2.22e-16
numTrans              4.950e-02  2.202e-03  22.477 2.22e-16
numIntlTrans          3.414e-02  5.318e-03   6.420 1.36e-10
creditLine            1.042e-01  4.705e-03  22.153 2.22e-16

Signif. codes:  0 '\*\*\*' 0.001 '\*\*' 0.01 '\*' 0.05 '.' 0.1 ' ' 1
Condition number of final variance-covariance matrix: 3997.308
Number of iterations: 15

Следующие шаги

Оценка новых данных

  • Last updated on