分享方式:


Python 教學課程:使用 T-SQL 定型及儲存 Python 模型

適用於: SQL Server 2017 (14.x) 和更新版本 Azure SQL 受控執行個體

在這五部分教學課程系列的第四部分中,您將了解如何使用 Python 套件來定型機器學習模型 scikit-learnrevoscalepy。 這些 Python 程式庫已經與 SQL Server 機器學習一起安裝。

您將載入模組,並呼叫所需的函式,以使用 SQL Server 預存程序來建立和定型模型。 此模型需要您在教學課程系列先前的部分中設計的資料特徵。 最後,您會將定型的模型儲存至 SQL Server 資料表。

在本文中,您將:

  • 使用 SQL 預存程序建立和定型模型
  • 將定型的模型儲存至 SQL 資料表

第一部分中,您已安裝必要條件並還原範例資料庫。

第二部分中,您已探索範例資料並產生一些繪圖。

第三部分中,您已了解如何使用 Transact-SQL 函式,從未經處理的資料建立特徵。 接著,您從預存程序呼叫該函式,建立了包含特徵值的資料表。

第五部分中,您將了解如何運作您在第四部分中定型並儲存的模型。

將樣本資料分割成定型集和測試集

  1. 建立名為 PyTrainTestSplit 的預存程序,將 nyctaxi_sample 資料表中的資料分割成兩個部分:nyctaxi_sample_training 和 nyctaxi_sample_testing。

    執行下列程式碼以建立此項目:

    DROP PROCEDURE IF EXISTS PyTrainTestSplit;
    GO
    
    CREATE PROCEDURE [dbo].[PyTrainTestSplit] (@pct int)
    AS
    
    DROP TABLE IF EXISTS dbo.nyctaxi_sample_training
    SELECT * into nyctaxi_sample_training FROM nyctaxi_sample WHERE (ABS(CAST(BINARY_CHECKSUM(medallion,hack_license)  as int)) % 100) < @pct
    
    DROP TABLE IF EXISTS dbo.nyctaxi_sample_testing
    SELECT * into nyctaxi_sample_testing FROM nyctaxi_sample
    WHERE (ABS(CAST(BINARY_CHECKSUM(medallion,hack_license)  as int)) % 100) > @pct
    GO
    
  2. 若要使用自訂分割來分割資料,請執行預存程序,然後提供要配置給訓練集之代表資料百分比的整數。 例如,下列陳述式會將 60% 的資料配置到定型集。

    EXEC PyTrainTestSplit 60
    GO
    

建立羅吉斯迴歸模型

資料備妥之後,您就可以用它來定型模型。 若要這麼做,您可以呼叫執行一些 Python 程式碼的預存程序,並接受定型資料表的輸入。 在本教學課程中,您會建立兩個模型,兩個都是二元分類模型:

  • PyTrainScikit 的預存程序會使用 scikit-learn 套件建立小費預測模型。
  • 預存程序 TrainTipPredictionModelRxPy 會使用 revoscalepy 套件建立小費預測模型。

每個預存程序都會使用您提供的輸入資料來建立和定型羅吉斯迴歸模型。 所有 Python 程式碼都會包裝在系統預存程序 sp_execute_external_script 中。

為了讓您更輕鬆地針對新資料重新訓練模型,您可以將 sp_execute_external_script 的呼叫包裝在另一個預存程序中,以參數的形式傳入新的訓練資料。 此節將逐步說明該流程。

PyTrainScikit

  1. 在 Management Studio 中,開啟新的 [查詢] 視窗,然後執行下列陳述式以建立預存程序 PyTrainScikit。 預存程序包含輸入資料的定義,因此您不需要提供輸入查詢。

    DROP PROCEDURE IF EXISTS PyTrainScikit;
    GO
    
    CREATE PROCEDURE [dbo].[PyTrainScikit] (@trained_model varbinary(max) OUTPUT)
    AS
    BEGIN
    EXEC sp_execute_external_script
      @language = N'Python',
      @script = N'
    import numpy
    import pickle
    from sklearn.linear_model import LogisticRegression
    
    ##Create SciKit-Learn logistic regression model
    X = InputDataSet[["passenger_count", "trip_distance", "trip_time_in_secs", "direct_distance"]]
    y = numpy.ravel(InputDataSet[["tipped"]])
    
    SKLalgo = LogisticRegression()
    logitObj = SKLalgo.fit(X, y)
    
    ##Serialize model
    trained_model = pickle.dumps(logitObj)
    ',
    @input_data_1 = N'
    select tipped, fare_amount, passenger_count, trip_time_in_secs, trip_distance, 
    dbo.fnCalculateDistance(pickup_latitude, pickup_longitude,  dropoff_latitude, dropoff_longitude) as direct_distance
    from nyctaxi_sample_training
    ',
    @input_data_1_name = N'InputDataSet',
    @params = N'@trained_model varbinary(max) OUTPUT',
    @trained_model = @trained_model OUTPUT;
    ;
    END;
    GO
    
  2. 執行下列 SQL 陳述式,將定型的模型插入資料表 nyc_taxi_models 中。

    DECLARE @model VARBINARY(MAX);
    EXEC PyTrainScikit @model OUTPUT;
    INSERT INTO nyc_taxi_models (name, model) VALUES('SciKit_model', @model);
    

    處理資料和調整模型可能需要幾分鐘的時間。 Management Studio 的 [訊息] 視窗會顯示經由管道輸出至 Python 之 stdout 串流的訊息。 例如:

    STDOUT message(s) from external script:
    C:\Program Files\Microsoft SQL Server\MSSQL14.MSSQLSERVER\PYTHON_SERVICES\lib\site-packages\revoscalepy
    
  3. 開啟 nyc_taxi_models資料表。 您可以看到當中已新增一個新的資料列,其 model資料行中包含序列化的模型。

    SciKit_model
    0x800363736B6C6561726E2E6C696E6561....
    

TrainTipPredictionModelRxPy

此預存程式會使用 revoscalepy Python 套件。 其中包含物件、轉換和演算法,類似於針對 R 語言的 RevoScaleR 套件提供的演算法。

藉由使用 revoscalepy,您可以建立遠端計算內容、在計算內容之間移動資料、轉換資料,以及使用常用的演算法 (例如羅吉斯和線性迴歸、決策樹等等) 定型預測模型。 如需詳細資訊,請參閱 SQL Server 中的 revoscalepy 模組revoscalepy 函數參考 \(英文\)。

  1. 在 Management Studio 中,開啟新的 [查詢] 視窗,然後執行下列陳述式以建立預存程序 TrainTipPredictionModelRxPy。 因為預存程序已經包含輸入資料的定義,因此您不需要提供輸入查詢。

    DROP PROCEDURE IF EXISTS TrainTipPredictionModelRxPy;
    GO
    
    CREATE PROCEDURE [dbo].[TrainTipPredictionModelRxPy] (@trained_model varbinary(max) OUTPUT)
    AS
    BEGIN
    EXEC sp_execute_external_script 
      @language = N'Python',
      @script = N'
    import numpy
    import pickle
    from revoscalepy.functions.RxLogit import rx_logit
    
    ## Create a logistic regression model using rx_logit function from revoscalepy package
    logitObj = rx_logit("tipped ~ passenger_count + trip_distance + trip_time_in_secs + direct_distance", data = InputDataSet);
    
    ## Serialize model
    trained_model = pickle.dumps(logitObj)
    ',
    @input_data_1 = N'
    select tipped, fare_amount, passenger_count, trip_time_in_secs, trip_distance, 
    dbo.fnCalculateDistance(pickup_latitude, pickup_longitude,  dropoff_latitude, dropoff_longitude) as direct_distance
    from nyctaxi_sample_training
    ',
    @input_data_1_name = N'InputDataSet',
    @params = N'@trained_model varbinary(max) OUTPUT',
    @trained_model = @trained_model OUTPUT;
    ;
    END;
    GO
    

    這個預存程序會在模型定型同時執行下列兩個步驟︰

    • SELECT 查詢會套用自訂的純量函數 fnCalculateDistance 計算上車和下車位置之間的直線距離。 查詢的結果會儲存在預設的 Python 輸入變數 InputDataset中。
    • 二進位變數 tipped 可做為標籤或結果資料行,而模型則是使用下列功能資料行進行調整:passenger_counttrip_distancetrip_time_in_secsdirect_distance
    • 定型的模型會序列化並儲存在 Python 變數 logitObj 中。 藉由新增 T-SQL 關鍵字輸出,您可以加入變數做為預存程序的輸出。 在下一個步驟中,該變數是用來將模型的二進位代碼插入資料庫資料表 nyc_taxi_models 中。 這種機制可讓您輕鬆地儲存和重複使用模型。
  2. 如下所示執行預存程序,將定型的 revoscalepy 模型插入資料表 nyc_taxi_models 中。

    DECLARE @model VARBINARY(MAX);
    EXEC TrainTipPredictionModelRxPy @model OUTPUT;
    INSERT INTO nyc_taxi_models (name, model) VALUES('revoscalepy_model', @model);
    

    資料處理和模型調整可能需要一些時間。 Management Studio 的 [訊息] 視窗會顯示經由管道輸出至 Python 之 stdout 串流的訊息。 例如:

    STDOUT message(s) from external script:
    C:\Program Files\Microsoft SQL Server\MSSQL14.MSSQLSERVER\PYTHON_SERVICES\lib\site-packages\revoscalepy
    
  3. 開啟 nyc_taxi_models資料表。 您可以看到當中已新增一個新的資料列,其 model資料行中包含序列化的模型。

    revoscalepy_model
    0x8003637265766F7363616c....
    

在本教學課程的下一個部分中,您將使用定型的模型建立預測。

後續步驟

在本文章中,您將:

  • 已使用 SQL 預存程序建立和定型模型
  • 已將定型的模型儲存至 SQL 資料表