用于 SQL 机器学习 Python 和 R 教程的 Iris 演示数据

项目
05/30/2023

适用于： SQL Server 2016 (13.x) 及更高版本 Azure SQL 托管实例

在此练习中，创建一个数据库，用于存储来自 Iris 花卉数据集的数据以及基于相同数据的模型。 Iris 数据包含在 R 和 Python 发行版中，并用于 SQL 机器学习的机器学习教程。

若要完成此练习，应具有 SQL Server Management Studio 或其他可以运行 T-SQL 查询的工具。

使用此数据集的教程和快速入门包括以下内容：

快速入门：在 Python 中创建预测模型并对其进行评分

创建数据库

启动 SQL Server Management Studio，并打开一个新的“查询”窗口。
为此项目创建一个新数据库，并更改“查询”窗口的上下文以使用该新数据库。
```
CREATE DATABASE irissql
GO
USE irissql
GO
```

添加一些空表：一个用于存储数据，另一个用于存储已定型的模型。 “iris_models”表用于存储在其他练习中生成的序列化模型。

以下代码创建用于定型数据的表。

DROP TABLE IF EXISTS iris_data;
GO
CREATE TABLE iris_data (
  id INT NOT NULL IDENTITY PRIMARY KEY
  , "Sepal.Length" FLOAT NOT NULL, "Sepal.Width" FLOAT NOT NULL
  , "Petal.Length" FLOAT NOT NULL, "Petal.Width" FLOAT NOT NULL
  , "Species" VARCHAR(100) NOT NULL, "SpeciesId" INT NOT NULL
);

运行以下代码以创建用于存储定型模型的表。若要将 Python（或 R）模型保存在 SQL Server 中，必须将它们序列化并存储在 varbinary(max) 类型的列中。
```
DROP TABLE IF EXISTS iris_models;
GO

CREATE TABLE iris_models (
  model_name VARCHAR(50) NOT NULL DEFAULT('default model') PRIMARY KEY,
  model VARBINARY(MAX) NOT NULL
);
GO
```
除模型内容之外，通常还会为其他有用的元数据添加列，例如模型的名称、定型日期、源算法和参数、源数据等等。但现在，为简便起见，我们将只使用模型名称。

填充表

可以从 R 或 Python 获取内置 Iris 数据。可以使用 Python 或 R 将数据加载到数据帧中，然后将其插入数据库中的表中。将定型数据从外部会话移动到一个表中包含以下几个步骤：

设计一个用于获取所需数据的存储过程。
执行该存储过程以实际获取数据。
构造 INSERT 语句，以指定在何处保存检索到的数据。

在具有 Python 集成的系统上，创建以下使用 Python 代码加载数据的存储过程。

CREATE PROCEDURE get_iris_dataset
AS
BEGIN
EXEC sp_execute_external_script @language = N'Python', 
@script = N'
from sklearn import datasets
iris = datasets.load_iris()
iris_data = pandas.DataFrame(iris.data)
iris_data["Species"] = pandas.Categorical.from_codes(iris.target, iris.target_names)
iris_data["SpeciesId"] = iris.target
', 
@input_data_1 = N'', 
@output_data_1_name = N'iris_data'
WITH RESULT SETS (("Sepal.Length" float not null, "Sepal.Width" float not null, "Petal.Length" float not null, "Petal.Width" float not null, "Species" varchar(100) not null, "SpeciesId" int not null));
END;
GO

在运行此代码时，应该会收到消息“命令成功完成”。这就意味着，已根据规范创建该存储过程。

或者，在具有 R 集成的系统上，创建一个使用 R 的过程。

CREATE PROCEDURE get_iris_dataset
AS
BEGIN
EXEC sp_execute_external_script @language = N'R', 
@script = N'
library(RevoScaleR)
data(iris)
iris$SpeciesID <- c(unclass(iris$Species))
iris_data <- iris
', 
@input_data_1 = N'', 
@output_data_1_name = N'iris_data'
WITH RESULT SETS (("Sepal.Length" float not null, "Sepal.Width" float not null, "Petal.Length" float not null, "Petal.Width" float not null, "Species" varchar(100) not null, "SpeciesId" int not null));
END;
GO

若要实际填充表，请运行存储过程并指定应在其中写入数据的表。运行时，存储过程执行 Python 或 R 代码，该代码加载内置 Iris 数据集，然后将数据插入“iris_data”表。
```
INSERT INTO iris_data ("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species", "SpeciesId")
EXEC dbo.get_iris_dataset;
```
如果不熟悉 T-SQL，请注意，INSERT 语句只添加新的数据；它不会检查现有的数据，也不会删除和重新生成表。若要避免在表中获取相同数据的多个副本，可以先运行以下语句：TRUNCATE TABLE iris_data。 T-SQL TRUNCATE TABLE 语句可删除现有数据，但保持表结构完整。

查询数据

作为验证步骤，运行查询以确认已上传数据。

在“对象资源管理器”中的“数据库”下，右键单击“irissql”数据库，然后启动一个新查询。

运行一些简单的查询：

SELECT TOP(10) * FROM iris_data;
SELECT COUNT(*) FROM iris_data;

后续步骤

在下面的快速入门中，你将创建一个机器学习模型并将其保存到表中，然后使用该模型生成预测结果。

快速入门：在 Python 中创建预测模型并对其进行评分

通过

用于 SQL 机器学习 Python 和 R 教程的 Iris 演示数据

创建数据库

填充表

查询数据

后续步骤

反馈

其他资源