sp_rxPredict

适用于： SQL Server 2016 （13.x） 及更高版本 - 仅限 Windows

为给定输入生成预测值，该输入由存储在 SQL Server 数据库中的二进制格式的机器学习模型组成。

提供近乎实时的 R 和 Python 机器学习模型评分。 sp_rxPredict 是作为包装提供的存储过程

• rxPredictRevoScaleR 和 MicrosoftML 中的 R 函数，以及 revoscalepy 和 microsoftml 中的 rx_predict Python 函数。 它以C++编写，专门针对评分操作进行优化。

尽管必须使用 R 或 Python 创建模型，但在目标数据库引擎实例上序列化并存储二进制格式后，即使未安装 R 或 Python 集成，也可以从该数据库引擎实例使用它。 有关详细信息，请参阅 使用 sp_rxPredict 进行实时评分。

语法

sp_rxPredict  ( @model, @input )

参数

model

采用受支持格式的预先训练模型。

input

有效的 SQL 查询

返回值

返回评分列，以及输入数据源中的任何传递列。 如果算法支持生成此类值，则可以返回其他分数列，例如置信区间。

注解

若要启用存储过程的使用，必须在实例上启用 SQLCLR。

注意

启用此选项会产生安全影响。 如果服务器上无法启用 SQLCLR，请使用替代实现，例如 Transact-SQL PREDICT 函数。

用户需要 EXECUTE 对数据库拥有权限。

支持的算法

若要创建和训练模型，请使用 SQL Server 机器学习 Services（R 或 Python）、SQL Server 2016 R Services、SQL Server 机器学习 Server （独立）（R 或 Python）或 SQL Server 2016 R Server （独立）提供的 R 或 Python 支持的算法之一。

R：RevoScaleR 模型

• rxLinMod *
• rxLogit *
• rxBTrees *
• rxDtree *
• rxdForest *

标有 * 的模型还支持函数的 PREDICT 本机评分。

R：MicrosoftML 模型

• rxFastTrees
• rxFastForest
• rxLogisticRegression
• rxOneClassSvm
• rxNeuralNet
• rxFastLinear

R：MicrosoftML 提供的转换

• featurizeText
• concat
• categorical
• categoricalHash
• selectFeatures

Python：revoscalepy 模型

• rx_lin_mod *
• rx_logit *
• rx_btrees *
• rx_dtree *
• rx_dforest *

标有 * 的模型还支持函数的 PREDICT 本机评分。

Python：microsoftml 模型

• rx_fast_trees
• rx_fast_forest
• rx_logistic_regression
• rx_oneclass_svm
• rx_neural_network
• rx_fast_linear

Python：microsoftml 提供的转换

• featurize_text
• concat
• categorical
• categorical_hash

不支持的模型类型

不支持以下模型类型：

• 在 RevoScaleR 中使用 rxGlm 或 rxNaiveBayes 算法的模型。
• R 中的 PMML 模型。
• 使用其他第三方库创建的模型。
• 使用转换函数或包含转换的公式（例如 A ~ log(B）的模型不支持实时评分。 若要使用此类型的模型，建议在将数据传递到实时评分前对输入数据执行转换。

实时评分不使用解释器，因此评分步骤中不支持可能需要解释器的任何功能。

示例

DECLARE @model = SELECT @model 
FROM model_table 
WHERE model_name = 'rxLogit trained';

EXEC sp_rxPredict @model = @model,
@inputData = N'SELECT * FROM data';

除了是有效的 SQL 查询之外，@inputData中的输入数据还必须包含与存储模型中的列兼容的列。

sp_rxPredict 仅支持以下 .NET 列类型：double、float、short、ushort、long、ulong 和 string。 可能需要先筛选掉输入数据中不支持的类型，然后再将其用于实时评分。

有关相应的 SQL 类型的信息，请参阅 SQL-CLR 类型映射或映射 CLR 参数数据。