R 教程：使用二元分类来预测纽约市出租车费用

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

在本面向 SQL 程序员的由五部分组成的系列教程中，你将学习如何在 SQL Server 机器学习服务或大数据群集中集成 R。

你将使用 SQL Server 上的示例数据库来生成和部署基于 R 的机器学习解决方案。 你将使用 T-SQL、Azure Data Studio 或 SQL Server Management Studio，以及支持 SQL 机器学习和 R 语言的数据库引擎实例

本系列教程介绍在数据建模工作流中使用的 R 函数。 其中的部分包括数据浏览、生成和训练二元分类模型，以及模型部署等。 你将使用来自纽约市出租车和豪华轿车委员会的示例数据。 要生成的模型会根据一天中的时间、行程距离和上车位置来预测行程是否可能会产生小费。

在本系列的第一部分中，你将安装必备组件，并还原示例数据库。 在第二和第三部分中，你将开发一些 R 脚本，以准备数据并训练机器学习模型。 然后，在第四和第五部分中，你将使用 T-SQL 存储过程在数据库中运行这些 R 脚本。

在本文中，你将：

• 安装必备组件
• 还原示例数据库

在第二部分中，你将探索示例数据，并生成一些绘图。

在第三部分中，你将学习如何使用 Transact-SQL 函数根据原始数据创建特征。 然后从存储过程调用该函数，创建包含该功能值的表。

在第四部分中，你将加载模块，并调用必要的函数，以使用 SQL Server 存储过程来创建和训练模型。

在第五部分中，你将了解如何操作在第四部分中训练和保存的模型。

注意

R 和 Python 均提供此教程。 有关 Python 版本，请参阅 Python 教程：使用二元分类来预测纽约市出租车费用。

必备知识

• 安装启用了 R 的 SQL Server 机器学习服务

• 安装 R 库

• 授予执行 Python 脚本的权限

• 从 SQL Server 2019 开始，隔离机制要求你向存储绘图文件的目录授予适当的权限。 有关如何设置这些权限的详细信息，请参阅 Windows 上 SQL Server 2019 中的“文件权限”部分：机器学习服务的隔离更改。

• 还原纽约市出租车演示数据库

所有任务都可以使用 Azure Data Studio 或 Management Studio 中的 Transact-SQL 存储过程来完成。

本教程假定你熟悉基本数据库操作，例如创建数据库和表、导入数据以及编写 SQL 查询。 但无需了解 R，因为所有 R 代码都已提供。

SQL 开发者背景

构建机器学习解决方案是一种复杂的过程，它可能涉及多种工具，并且需要主题专家跨多个阶段进行协调：

• 获取和清除数据
• 探索数据并构建有助于建模的功能
• 定型和优化模型
• 部署到生产环境

实际代码的开发和测试最好使用专用的 R 开发环境进行。 不过，在完全测试脚本后，可以在熟悉的 Azure Data Studio 或 Management Studio 环境中使用 Transact-SQL 存储过程将脚本轻松部署到 SQL Server。 在存储过程中包装外部代码是在 SQL Server 中操作代码的主要机制。

将模型保存到数据库后，可以使用存储过程从 Transact-SQL 调用该模型以用于预测。

无论你是初次接触 R 的 SQL 程序员，还是初次接触 SQL 的 R 开发人员，都可以学习由五部分组成的本系列教程，其中介绍了使用 R 和 SQL Server 进行数据库内分析的典型工作流。

后续步骤

本文内容：

• 安装必备组件
• 还原示例数据库

R 教程：浏览并可视化数据