R Dil Modülleri

  • Makale

Önemli

Machine Learning Stüdyosu (klasik) desteği 31 Ağustos 2024'te sona erecektir. Bu tarihe kadar Azure Machine Learning'e geçmenizi öneririz.

1 Aralık 2021'den başlayarak artık yeni Machine Learning Stüdyosu (klasik) kaynakları oluşturamayacaksınız. 31 Ağustos 2024'e kadar mevcut Machine Learning Stüdyosu (klasik) kaynaklarını kullanmaya devam edebilirsiniz.

ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.

Bu makalede, R kodu çalıştırmayı destekleyen Machine Learning Studio'daki (klasik) modüller listelemektedir. Bu modüller R modellerini üretimde yayımlamayı ve R dil topluluğu deneyimini kullanarak gerçek dünya sorunlarını çözmeyi kolaylaştırır.

Not

Uygulama: Machine Learning Studio (yalnızca klasik)

Benzer sürükle ve bırak modülleri tasarımcıda da Azure Machine Learning kullanılabilir.

Bu makalede ayrıca Machine Language Studio'da (klasik) R kullanmaya ilişkin bazı genel gereksinimler açıklanmıştır ve bilinen sorunlar ve ipuçları listelemektedir.

Modül listesi

R Dil Modülleri kategorisi aşağıdaki modülleri içerir:

R kullanırken gereksinimler

Machine Learning Studio'da (klasik) R betiği kullanmadan önce aşağıdaki gereksinimlere dikkat edin:

  • CSV veya başka biçimler kullanan verileri içeri aktardıysanız, R kodunuzdan verileri doğrudan CSV biçiminde okuyamazsiniz. Bunun yerine, verileri R modülüne giriş olarak kullanmadan önce hazırlamak için Veri Kümesine Dönüştür'i kullanın.

  • Herhangi bir veri Machine Learning veri kümelerini bir R modülüne girdi olarak takarak veri kümesi, değişken adı veri kümesiyle birlikte otomatik olarak R çalışma alanına bir veri çerçevesi olarak yüklenir.

    Ancak, ek veri çerçeveleri tanımlayabilir veya R betiğinizin içindeki varsayılan veri kümesi değişkeninin adını değiştirebilirsiniz.

  • R modülleri, özel çalışma alanınız içindeki korumalı ve yalıtılmış bir ortamda çalıştırıldı. Çalışma alanınız içinde, birden çok modül tarafından kullanmak üzere veri çerçeveleri ve değişkenler oluşturabilirsiniz.

    Ancak, farklı bir çalışma alanında yer alan R veri çerçevelerini yükamaz veya çalışma alanı bir Azure oturumunda açık olsa bile farklı bir çalışma alanında oluşturulan değişkenleri okuyamazsınız. Ayrıca, Java bağımlılığı olan veya doğrudan ağ erişimi gerektiren modülleri de kullanılamaz.

R puanlama görevleri için iyileştirme

Machine Learning Studio (klasik) ve çalışma alanı ortamında R'nin uygulanması iki temel bileşen içerir. Bileşenlerden biri betik yürütmeyi koordine eder, diğeri ise yüksek hızlı veri erişimi ve puanlama sağlar. Puanlama bileşeni, ölçeklenebilirliği ve performansı geliştirmek için iyileştirilmiştir.

Bu nedenle, Machine Learning Studio'daki (klasik) R çalışma alanları, her biri farklı gereksinimler için iyileştirilmiş iki tür puanlama görevi de destekler. Genellikle bir denemeyi inşa ediyorsanız puanlamayı dosya bazında kullanırsanız. Bir web hizmetinin parçası olarak puanlamada çok hızlı puanlama için genellikle istek yanıt hizmetini (RRS) kullanırsiniz.

R paketi ve sürüm desteği

Machine Learning Studio (klasik), en popüler 500'den fazla R paketi içerir. Seçebilirsiniz R paketleri, denemeniz için hangi R sürümünü seçtiğinize bağlıdır:

  • CRAN R
  • Microsoft R Open (MRO 3.2.2 veya MRO 3.4.4)

Bir deneme 2000'den fazla deneme 2019'a kadar her 20.000.000'e kadar olan tüm modüller için tek bir R sürümü seçmeniz gerekir.

Sürüm başına paket listesi

Şu anda Machine Learning'de desteklenen paketlerin listesi için bkz. Machine Learning tarafından desteklenen R Paketleri.

Ayrıca, denemenizin R Betiği Yürütme modülüne aşağıdaki kodu ekleyebilir ve paket adlarını ve sürümlerini içeren bir veri kümesi almak için çalıştırabilirsiniz. Amaçlanan ortamınız için doğru listeyi oluşturmak üzere modül özelliklerinde R sürümünü ayardan emin olun.

data.set <- data.frame(installed.packages())
maml.mapOutputPort("data.set")

Önemli

Machine Language Studio'da (klasik) desteklenen paketler sık sık değişir. Bir R paketinin destek olup olmadığı konusunda şüpheniz varsa, geçerli ortamdaki paketlerin tam listesini almak için sağlanan R kod örneğini kullanın.

R dilini kullanarak denemeleri genişletme

Denemenizi, özel R betiği kullanarak veya R paketleri ekleyerek genişletmenin birçok yolu vardır. Başlamaya başlamaya başlamaya bazı fikirler:

  • Özel matematik işlemleri gerçekleştirmek için R kodu kullanın. Örneğin diferansiyel denklemleri çözmek, rastgele sayılar oluşturmak veya Monte Carlo benzetimlerini çalıştırmak için R paketleri vardır.

  • Veriler için özel dönüşümler uygulama. Örneğin, zaman serisi verileri üzerinde ilişkilendirme gerçekleştirmek veya dilbilimsel analiz gerçekleştirmek için bir R paketi kullanabilirsiniz.

  • Farklı veri kaynaklarıyla çalışma. R betik modülleri, veri dosyalarını sıkıştırılmış biçimde içeren ek bir giriş kümesi destekler. Hiyerarşik verileri düz bir veri tablosuna düz yapmak için sıkıştırılmış veri dosyalarını ve bu tür veri kaynakları için tasarlanmış R paketlerini kullanabilirsiniz. Bunları, dosya biçimlerinden ve diğer dosya biçimlerinden Excel için de kullanabilirsiniz.

  • Değerlendirme için özel ölçümler kullanın. Örneğin, Evaluate işlevinde sağlanan işlevleri kullanmak yerine bir R paketini içeri aktararak ölçümlerini uygulayabilirsiniz.

Aşağıdaki örnek, yeni paketleri yükleme ve denemenize özel R kodu kullanma işlemlerinin genel sürecini gösteriyor.

R kullanarak sütunları bölme

Bazen veriler, özellikleri ayıklamak için kapsamlı bir işleme gerektirir. Kimlik ve ardından boşluklarla ayrılmış değerler ve notlar içeren bir metin dosyanız olduğunu varsayalım. Veya metin dosyanız Machine Language Studio (klasik) tarafından desteklemez karakterler içerdiğini varsayalım.

Bu tür görevler için özel işlevler sağlayan birkaç R paketi vardır. splitstackshape kitaplık paketi, her sütunun farklı bir sınırlayıcıya sahip olsa bile birden çok sütunu bölmek için birkaç kullanışlı işlev içerir.

Aşağıdaki örnek, gerekli paketlerin nasıl yüklerini ve sütunları bölmeyi gösterir. Bu kodu R Betiği Yürütme modülüne eklersiniz .

#install dependent packages  
install.packages("src/concat.split.multiple/data.table_1.9.2.zip", lib=".", repos = NULL, verbose = TRUE)  
(success.data.table <- library("data.table", lib.loc = ".", logical.return = TRUE, verbose = TRUE))  
  
install.packages("src/concat.split.multiple/plyr_1.8.1.zip", lib=".", repos = NULL, verbose = TRUE)  
(success.plyr <- library("plyr", lib.loc = ".", logical.return = TRUE, verbose = TRUE))  
  
install.packages("src/concat.split.multiple/Rcpp_0.11.2.zip", lib=".", repos = NULL, verbose = TRUE)  
(success.Rcpp <- library("Rcpp", lib.loc = ".", logical.return = TRUE, verbose = TRUE))  
  
install.packages("src/concat.split.multiple/reshape2_1.4.zip", lib=".", repos = NULL, verbose = TRUE)  
(success.reshape2 <- library("reshape2", lib.loc = ".", logical.return = TRUE, verbose = TRUE))  
  
#install actual packages  
install.packages("src/concat.split.multiple/splitstackshape_1.2.0.zip", lib=".", repos = NULL, verbose = TRUE)  
(success.splitstackshape <- library("splitstackshape", lib.loc = ".", logical.return = TRUE, verbose = TRUE))  
  
#Load installed library  
library(splitstackshape)  
  
#Use library method to split & concat  
data <- concat.split.multiple(maml.mapInputPort(1), c("TermsAcceptedUserClientIPAddress", "EmailAddress"), c(".", "@"))  
  
#Print column names to console  
colnames(data)  
  
#Redirect data to output port  
maml.mapOutputPort("data")

Ek kaynaklar

Özel bir R modülünün nasıl derlemeyi açıklayan bu öğreticiyle başlar:

Bu makalede, iki puanlama altyapısı arasındaki farklar ayrıntılı olarak açıklanmaktadır ve denemenizi bir web hizmeti olarak dağıtırken puanlama yöntemini nasıl seçebilirsiniz?

Bu deneme Azure Yapay Zeka Galerisi eğitim, puanlama ve değerlendirme yapan özel bir R modülü oluşturmanızı sağlar:

R-Blog yazarlarında yayımlanan bu makalede, aşağıdaki makalelerde kendi değerlendirme yönteminizi nasıl Machine Learning:

R ile ilgili daha fazla yardım

Bu site, anahtar sözcüklere göre arayabilirsiniz paketlerin kategorilere ayrılmış bir listesini sağlar:

R ve uygulamalarıyla ilgili ek R kodu örnekleri ve yardım için şu kaynaklara bakın:

Ayrıca bkz.