R-Tutorial: Trainieren und Speichern des Modells

Gilt für: SQL Server 2016 (13.x) und höher Azure SQL Managed Instance

In Teil 4 dieser auf fünf Teilen bestehenden Tutorialreihe erfahren Sie, wie Sie ein Machine Learning-Modell mit R trainieren. Sie trainieren das Modell mit den Datenfunktionen, die Sie im vorherigen Teil erstellt haben, und speichern das trainierte Modell dann in einer SQL Server-Tabelle. In diesem Fall sind die R-Pakete bereits mit R Services (In-Database) installiert, sodass alles über SQL ausgeführt werden kann.

In diesem Artikel führen Sie Folgendes durch:

In Teil 1 haben Sie die Voraussetzungen installiert und die Beispieldatenbank wiederhergestellt.

In Teil zwei haben Sie die Beispieldaten überprüft und einige Plots generiert.

In Teil drei haben Sie gelernt, wie Sie mithilfe einer Transact-SQL-Funktion aus Rohdaten Features erstellen. Anschließend haben Sie die Funktion aus einer gespeicherten Prozedur aufgerufen, um eine Tabelle zu erstellen, die die Funktionswerte enthält.

In Teil fünf erfahren Sie, wie Sie die Modelle operationalisieren können, die Sie in Teil vier trainiert und gespeichert haben.

Erstellen der gespeicherten Prozedur

Wenn Sie R über T-SQL aufrufen, verwenden Sie die im System gespeicherte Prozedur sp_execute_external_script. Für Prozesse, die Sie häufig wiederholen, wie z. B. das erneute Trainieren eines Modells, ist es jedoch einfacher, den Aufruf von sp_execute_external_script in einer anderen gespeicherten Prozedur zu kapseln.

1. Öffnen Sie in Management Studio ein neues Fenster Abfrage.

2. Führen Sie die folgende Anweisung aus, um die gespeicherte Prozedur RTrainLogitModel zu erstellen. Diese gespeicherte Prozedur definiert die Eingabedaten und verwendet glm, um ein logistisches Regressionsmodell zu erstellen.

   CREATE PROCEDURE [dbo].[RTrainLogitModel] (@trained_model varbinary(max) OUTPUT)
   
   AS
   BEGIN
     DECLARE @inquery nvarchar(max) = N'
       select tipped, fare_amount, passenger_count,trip_time_in_secs,trip_distance,
       pickup_datetime, dropoff_datetime,
       dbo.fnCalculateDistance(pickup_latitude, pickup_longitude,  dropoff_latitude, dropoff_longitude) as direct_distance
       from nyctaxi_sample
       tablesample (70 percent) repeatable (98052)
   '
   
     EXEC sp_execute_external_script @language = N'R',
                                     @script = N'
   ## Create model
   logitObj <- glm(tipped ~ passenger_count + trip_distance + trip_time_in_secs + direct_distance, data = InputDataSet, family = binomial)
   summary(logitObj)
   
   ## Serialize model 
   trained_model <- as.raw(serialize(logitObj, NULL));
   ',
     @input_data_1 = @inquery,
     @params = N'@trained_model varbinary(max) OUTPUT',
     @trained_model = @trained_model OUTPUT; 
   END
   GO
   

   • Um sicherzustellen, dass einige Daten zum Testen des Modells übrig bleiben, werden 70 % der Daten aus der Datentabelle „Taxi“ zu Trainingszwecken nach dem Zufallsprinzip ausgewählt.

   • Die SELECT-Abfrage verwendet die benutzerdefinierte Skalarfunktion fnCalculateDistance zum Berechnen der direkten Entfernung zwischen den Abhol- und Zielorten. Die Ergebnisse der Abfrage werden in der Standardeingabevariable von R, InputDataset, gespeichert.

   • In dem R-Skript wird die R-Funktion glm aufgerufen, um das logistische Regressionsmodell zu erstellen.

     Die binäre Variable tipped wird wie die Spalte label oder „outcome“ verwendet, und das Modell wird mithilfe folgender Funktionsspalten angepasst: passenger_count, trip_distance, trip_time_in_secs und direct_distance.

   • Das trainierte Modell, das in der R-Variablen logitObj gespeichert ist, wird serialisiert und als Ausgabeparameter zurückgegeben.

Trainieren und Bereitstellen des R-Modells mithilfe der gespeicherten Prozedur

Da die gespeicherte Prozedur schon eine Definition der Eingabedaten enthält, müssen Sie keine Eingabeabfrage bereitstellen.

1. Um das R-Modell zu trainieren und bereitzustellen, rufen Sie die gespeicherte Prozedur auf und fügen sie in die Datenbanktabelle nyc_taxi_models ein, sodass Sie sie für zukünftige Vorhersagen verwenden können:

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

2. Nachrichten, die an den stdout-Stream von R weitergeleitet werden würden, werden im Fenster Management StudioMeldungen von angezeigt:

   "STDOUT message(s) from external script: Gelesene Zeilen: 1193025, Total Rows Processed: 1193025, Total Chunk Time: 0.093 seconds"

3. Wenn die Anweisung abgeschlossen ist, öffnen Sie die Tabelle nyc_taxi_models. Die Verarbeitung der Daten und die Anpassung des Modells können eine Weile dauern.

   Sie können sehen, dass eine neue Zeile hinzugefügt wurde, die das serialisierte Modell in der Spalte model und den Modellnamen RTrainLogit_model in der Spalte name enthält.

   model                        name
   ---------------------------- ------------------
   0x580A00000002000302020....  RTrainLogit_model
   

Im nächsten Teil dieses Tutorials werden Sie mithilfe des trainierten Modells Vorhersagen erstellen.

Nächste Schritte

In diesem Artikel führen Sie folgende Schritte aus: