教學課程:使用 SQL 機器學習在 R 中部署預測模型
適用於:SQL Server 2016 (13.x) 和更新版本Azure SQL 受控執行個體
在這個四部分教學課程系列中,您將在 SQL Server 機器學習服務中或在巨量資料叢集上使用 R 和機器學習模型來預測滑雪工具租用的數目。
在這個四部分教學課程系列中,您將在 SQL Server 機器學習服務中使用 R 和機器學習模型來預測滑雪工具租用的數目。
在這個四部分教學課程系列中,您將在 SQL Server R Services 中使用 R 和機器學習模型來預測滑雪工具租用的數目。
在這個四部分教學課程系列中,您將在 Azure SQL 受控執行個體機器學習服務中使用 R 和機器學習模型來預測滑雪工具租用的數目。
假設您擁有滑雪工具租用公司,而且想要預測未來日期的租用次數。 此資訊可協助您準備好庫存、員工和設備。
在此系列課程的第一部分中,您將會設定必要條件。 在第二部分和第三部分中,您將在筆記本中開發一些 R 指令碼來準備您的資料,並將機器學習模型定型。 然後,在第三部分中,則會使用 T-SQL 預存程序在資料庫內執行這些 R 指令碼。
在本文中,您將學會如何:
- 還原範例資料庫
在第二部分中,您會了解如何將資料從資料庫載入到 Python 資料框架,並以 R 準備資料。
在第三部分中,您將了解如何在 R 中定型機器學習模型。
在第四部分中,您將了解如何將模型儲存在資料庫中,然後從您在第二和第三部分中開發的 R 指令碼建立預存程序。 預存程序將會在伺服器上中執行,以根據新資料進行預測。
Prerequisites
- SQL Server 機器學習服務 - 若要安裝機器學習服務,請參閱 Windows 安裝指南或 Linux 安裝指南。 您也可以啟用 SQL Server 巨量資料叢集上的機器學習服務。
- SQL Server 機器學習服務 - 若要安裝機器學習服務,請參閱 Windows 安裝指南。
- SQL Server 2016 R Services。 若要安裝 R Services,請參閱 Windows 安裝指南。
Azure SQL 受控執行個體機器學習服務。 如需詳細資訊,請參閱 Azure SQL 受控執行個體機器學習服務概觀。
請參閱 SQL Server Management Studio,以了解如何將範例資料庫還原到 Azure SQL 受控執行個體。
R IDE - 本教學課程使用 RStudio Desktop。
RODBC - 此驅動程式用於您將在本教學課程中開發的 R 指令碼。 如果尚未安裝,請使用 R 命令
install.packages("RODBC")
進行安裝。 如需 RODBC 的詳細資訊,請參閱 CRAN - 封裝 RODBC。SQL 查詢工具 - 本教學課程假設您使用 Azure Data Studio。 如需詳細資訊,請參閱如何在 Azure Data Studio 中使用筆記本。
還原範例資料庫
此教學課程中使用的範例資料庫已儲存為 .bak 資料庫備份檔案,以供您下載並使用。
注意
如果您是在巨量資料叢集上使用機器學習服務,請參閱如何將資料庫還原至 SQL Server 巨量資料叢集主要執行個體。
下載 TutorialDB.bak 檔案。
請遵循在 Azure Data Studio 中從備份檔案還原資料庫中的指示,使用下列詳細資料:
- 從您下載的 TutorialDB 檔案匯入
- 將目標資料庫命名為 "TutorialDB"
您可以藉由查詢 dbo.rental_data 資料表,確認已還原的資料庫是否存在:
USE TutorialDB; SELECT * FROM [dbo].[rental_data];
下載 TutorialDB.bak 檔案。
遵循 SQL Server Management Studio 中將資料庫還原至受控執行個體的指示,使用下列詳細資料:
- 從您下載的 TutorialDB 檔案匯入
- 將目標資料庫命名為 "TutorialDB"
您可以藉由查詢 dbo.rental_data 資料表,確認已還原的資料庫是否存在:
USE TutorialDB; SELECT * FROM [dbo].[rental_data];
清除資源
如果您不打算繼續進行本教學課程,請刪除 TutorialDB 資料庫。
後續步驟
在本教學課程系列的第一部分中,您已完成下列步驟:
- 安裝了必要條件
- 還原範例資料庫
若要針對機器學習模型準備資料,請遵循本教學課程系列的第二部分進行:
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應