使用 Azure Data Studio 的机器学习扩展（预览版）进行预测
了解如何使用 Azure Data Studio 的机器学习扩展来通过数据库中的 ONNX 模型进行预测。 该扩展将使用 PREDICT 生成 T-SQL 脚本，以使用先前导入、驻留在本地文件中或来自 Azure 机器学习的模型对存储在表中的数据集进行预测。
重要
使用机器学习扩展进行预测当前仅支持 Azure SQL 托管实例中的机器学习服务和使用 ONNX 的 Azure SQL Edge。
先决条件
onnxruntime、mlflow 和 mlflow-dbstore Python 包。 如果尚未安装这些包，机器学习扩展将提示你进行安装。
通过 ONNX 模型进行预测
按照以下步骤使用 ONNX 模型进行预测。
选择“进行预测”。
如果要求安装 onnxruntime、mlflow 和 mlflow-dbstore，请选择“是”。
选择模型的位置，然后选择“下一步”。 可用工具如下：
- 导入的模型。 选择此项可使用已存储在数据库中的模型。 选择模型所在的“模型数据库”和“模型表”，选择要使用的模型，然后选择“下一步” 。
- 文件上传。 选择此项可使用文件中的模型。 在“源文件”下选择模型文件，然后选择“下一步”。
- Azure 机器学习。 选择此选项可使用 Azure 机器学习中的模型。 首先，登录到 Azure。 然后选择你的“Azure 帐户”、“Azure 订阅”、“Azure 资源组”和“Azure ML 工作区” 。 选择要使用的模型，然后选择“下一步”。
将源数据映射到模型。
- 选择包含要对其应用预测的数据集的“源数据库”和“源表” 。
- 映射“模型输入映射”和“模型输出”下的列 。 该扩展将自动映射具有相同名称和数据类型的列。
选择“预测”。
Azure Data Studio 将使用 PREDICT 创建新的 T-SQL 查询，该查询可用于对数据进行预测。