Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Şunlar için geçerlidir:
SQL Server 2017 (14.x) ve sonraki sürümleri
revoscalepy , Microsoft'un dağıtılmış bilgi işlem, uzak işlem bağlamları ve yüksek performanslı veri bilimi algoritmalarını destekleyen bir Python paketidir. Paket , SQL Server Machine Learning Services'a dahildir.
Paket aşağıdaki işlevleri sunar:
- Aynı revoscalepy sürümüne sahip sistemlerde yerel ve uzak işlem bağlamları
- Veri dönüştürme ve görselleştirme işlevleri
- Dağıtılmış veya paralel işleme aracılığıyla ölçeklenebilir veri bilimi işlevleri
- Intel matematik kitaplıklarının kullanımı da dahil olmak üzere iyileştirilmiş performans
Revoscalepy'de oluşturduğunuz veri kaynakları ve işlem bağlamları makine öğrenmesi algoritmalarında da kullanılabilir. Bu algoritmalara giriş için bkz. SQL Server'da microsoftml Python modülü.
Tam başvuru belgeleri
Revoscalepy paketi birden çok Microsoft ürününde dağıtılır, ancak paketi SQL Server'da veya başka bir üründe aldığınızda kullanım aynıdır. İşlevler aynı olduğundan, tek tek revoscalepy işlevlerine yönelik belgelerPython başvurusunun altında yalnızca bir konumda yayımlanır. Ürüne özgü davranışlar varsa, işlev yardım sayfasında tutarsızlıklar belirtilir.
Sürümler ve platformlar
Revoscalepy modülü Python 3.5'i temel alır ve yalnızca aşağıdaki Microsoft ürünlerinden veya indirmelerinden birini yüklediğinizde kullanılabilir:
Uyarı
Tam ürün sürüm sürümleri yalnızca Windows için SQL Server 2017'de sunulmaktadır. Sql Server 2019 ve sonraki sürümlerde hem Windows hem de Linux yeniden ölçeklendirme için desteklenir.
Kategoriye göre işlevler
Bu bölüm, fonksiyonları kategoriye göre listeleyerek her birinin nasıl kullanıldığına dair bir fikir verir. İşlevleri alfabetik sırada bulmak için içindekiler tablosunu da kullanabilirsiniz.
1-Veri kaynağı ve işlem
revoscalepy , veri kaynakları oluşturmaya ve hesaplamaların gerçekleştirildiği konumu veya işlem bağlamını ayarlamaya yönelik işlevleri içerir. SQL Server senaryolarıyla ilgili işlevler aşağıdaki tabloda listelenmiştir.
SQL Server ve Python bazı durumlarda farklı veri türleri kullanır. SQL ve Python veri türleri arasındaki eşlemelerin listesi için bkz. Python-SQL veri türleri.
| İşlev | Description |
|---|---|
| RxInSqlServer | Hesaplamaları uzak örneğe göndermek için bir SQL Server işlem bağlam nesnesi oluşturun. Çeşitli revoscalepy işlevleri, işlem bağlamlarını bağımsız değişken olarak alır. Bağlam değişimi örneği için bkz. Revoscalepy kullanarak model oluşturma. |
| RxSqlServerData | SQL Server sorgusunu veya tablosunu temel alan bir veri nesnesi oluşturun. |
| RxOdbcData | ODBC bağlantısını temel alan bir veri kaynağı oluşturun. |
| RxXdfData | Yerel XDF dosyasını temel alan bir veri kaynağı oluşturun. XDF dosyaları genellikle bellek içi verileri diske boşaltmak için kullanılır. XDF dosyası, veritabanından tek bir toplu işlemle aktarılabilenden daha fazla veriyle çalışırken veya belleğe sığabilecek veriden daha fazla veriyle çalışırken yararlı olabilir. Örneğin, her R işlemi için veritabanını tekrar tekrar sorgulamak yerine veritabanından yerel bir iş istasyonuna düzenli olarak büyük miktarda veri taşırsanız, verileri yerel olarak kaydetmek ve ardından R çalışma alanınızda bu dosyayla çalışmak için XDF dosyasını bir tür önbellek olarak kullanabilirsiniz. |
Tavsiye
Veri kaynakları veya işlem bağlamları fikrine yeni başladıysanız Dağıtılmış bilgi işlem makalesiyle başlamanızı öneririz.
2-Veri işleme (ETL)
| İşlev | Description |
|---|---|
| rx_import | Verileri bir .xdf dosyasına veya veri çerçevesine aktarma. |
| rx_data_step | Verileri giriş veri kümesinden çıkış veri kümesine dönüştürme. |
3-Eğitim ve özetleme
| İşlev | Description |
|---|---|
| rx_btrees | Stokastik gradyan artırılmış karar ağaçlarını uygula |
| rx_dforest | Sınıflandırma ve regresyon karar ormanlarını uygun hale getirin |
| rx_dtree | Sınıflandırma ve regresyon ağaçlarını uydurma |
| rx_lin_mod | Doğrusal regresyon modeli oluşturma |
| rx_logit | Lojistik regresyon modeli oluşturma |
| rx_summary | Revoscalepy'de nesnelerin tek değişkenli özetlerini üretin. |
Ek yaklaşımlar için microsoftml'deki işlevleri de gözden geçirmeniz gerekir.
4-Puanlama işlevleri
| İşlev | Description |
|---|---|
| rx_predict | Eğitilmiş bir modelden tahminler oluşturun ve gerçek zamanlı puanlama için kullanılabilir. |
| rx_predict_default | rx_lin_mod ve rx_logit nesneleri kullanarak tahmin edilen değerleri ve artıkları hesaplama. |
| rx_predict_rx_dforest | bir rx_dforest veya rx_btrees nesnesinden bir veri kümesi için tahmin edilen veya uydurılan değerleri hesaplayın. |
| rx_predict_rx_dtree | bir rx_dtree nesnesinden bir veri kümesi için tahmin edilen veya uydurılan değerleri hesaplayın. |
Revoscalepy ile Nasıl Çalışılır
Revoscalepy'deki işlevler, saklı yordamlarda kapsüllenmiş Python kodunda çağrılabilir. Geliştiricilerin çoğu yerel olarak revoscalepy çözümleri oluşturur ve ardından tamamlanmış Python kodunu dağıtım alıştırması olarak saklı yordamlara geçirir.
Yerel olarak çalışırken genellikle komut satırından veya Python geliştirme ortamından bir Python betiği çalıştırır ve revoscalepy işlevlerinden birini kullanarak bir SQL Server işlem bağlamı belirtirsiniz. Kodun tamamı veya tek tek işlevler için uzak işlem bağlamını kullanabilirsiniz. Örneğin, en son verileri kullanmak ve veri taşımayı önlemek için model eğitimini sunucuya boşaltmak isteyebilirsiniz.
Python betiğini bir saklı yordam olan sp_execute_external_script içinde kapsüllemeye hazır olduğunuzda, kodu açıkça tanımlanmış giriş ve çıkışlara sahip tek bir işlev olarak yeniden yazmanızı öneririz.
Girişler ve çıkışlar pandas veri çerçeveleri olmalıdır. Bu işlem tamamlandığında, T-SQL'i destekleyen herhangi bir istemciden saklı yordamı çağırabilir, SQL sorgularını kolayca giriş olarak geçirebilir ve sonuçları SQL tablolarına kaydedebilirsiniz. Örnek için bkz. SQL geliştiricileri için veritabanı içi Python analizini öğrenme.
MicrosoftML ile revoscalepy kullanma
microsoftml için Python işlevleri, revoscalepy'de sağlanan işlem bağlamları ve veri kaynaklarıyla tümleştirilir. Örneğin bir modeli tanımlayıp eğitirken microsoftml'den işlevleri çağırırken, Python kodunu yerel olarak veya SQL Server uzak işlem bağlamında yürütmek için revoscalepy işlevlerini kullanın.
Aşağıdaki örnekte Python kodunuzda modülleri içeri aktarmaya yönelik söz dizimi gösterilmektedir. Ardından ihtiyacınız olan tek tek işlevlere başvurabilirsiniz.
from microsoftml.modules.logistic_regression.rx_logistic_regression import rx_logistic_regression
from revoscalepy.functions.RxSummary import rx_summary
from revoscalepy.etl.RxImport import rx_import_datasource