クイック スタート:SQL 機械学習を使用した Python 関数

  • [アーティクル]

適用対象: SQL Server 2017 (14.x) 以降 Azure SQL Managed Instance

このクイックスタートでは、SQL Server Machine Learning Services、Azure SQL Managed Instance Machine Learning Services、SQL Server ビッグ データ クラスターで Python の数学関数とユーティリティ関数を使用する方法について説明します。 多くの場合、統計関数は T-SQL での実装が複雑ですが、Python では、わずか数行のコードで行うことができます。

前提条件

このクイック スタートを実行するには、次の前提条件を用意しておく必要があります。

乱数を生成するストアド プロシージャを作成する

わかりやすくするために、既定でインストールされて読み込まれる Python numpy パッケージを使用してみましょう。 パッケージには、一般的な統計タスク用の数百の関数が含まれますが、その中の random.normal 関数は、指定された標準偏差と平均に対し、正規分布を使用して、指定された個数の乱数を生成します。

たとえば、次の Python コードは、指定された 3 の標準偏差で、平均値が 50 の 100 個の数値を返します。

numpy.random.normal(size=100, loc=50, scale=3)

この Python の行を T-SQL から呼び出すには、sp_execute_external_script の Python スクリプト パラメーターに Python 関数を追加します。 出力にはデータ フレームが必要であるため、pandas を使用して変換します。

EXECUTE sp_execute_external_script @language = N'Python'
    , @script = N'
import numpy
import pandas
OutputDataSet = pandas.DataFrame(numpy.random.normal(size=100, loc=50, scale=3));
'
    , @input_data_1 = N'   ;'
WITH RESULT SETS(([Density] FLOAT NOT NULL));

さまざまな乱数のセットを簡単に生成するにはどうすればよいでしょうか。 ユーザーから引数を取得し、これらの引数を変数として Python スクリプトに渡すストアド プロシージャを定義します。

CREATE PROCEDURE MyPyNorm (
      @param1 INT
    , @param2 INT
    , @param3 INT
    )
AS
EXECUTE sp_execute_external_script @language = N'Python'
    , @script = N'
import numpy
import pandas
OutputDataSet = pandas.DataFrame(numpy.random.normal(size=mynumbers, loc=mymean, scale=mysd));
'
    , @input_data_1 = N'   ;'
    , @params = N' @mynumbers int, @mymean int, @mysd int'
    , @mynumbers = @param1
    , @mymean = @param2
    , @mysd = @param3
WITH RESULT SETS(([Density] FLOAT NOT NULL));

  • 最初の行は、ストアド プロシージャを実行するときに必要になる SQL 入力パラメーターそれぞれを定義します。

  • @params で始まる行は、Python コードで使用されるすべての変数と、対応する SQL データ型を定義します。

  • それに続く行は、SQL パラメーター名を対応する Python 変数名にマップします。

ストアド プロシージャで Python 関数をラップしたので、次のように関数を簡単に呼び出し、別の値を渡すことができます。

EXECUTE MyPyNorm @param1 = 100,@param2 = 50, @param3 = 3

トラブルシューティングのための Python ユーティリティ関数の使用

Python パッケージは、現在の Python 環境を調査するためのさまざまなユーティリティ関数を提供します。 これらの関数は、SQL Server と外部環境で Python コードが実行する方法に不一致が見つかった場合に役立つ可能性があります。

たとえば、time パッケージでシステム タイミング関数を使用して、Python プロセスによって使用される時間を計測し、パフォーマンスの問題を分析することができます。

EXECUTE sp_execute_external_script
      @language = N'Python'
    , @script = N'
import time
start_time = time.time()

# Run Python processes

elapsed_time = time.time() - start_time
'
    , @input_data_1 = N' ;';

次のステップ

SQL 機械学習で Python を使用して機械学習モデルを作成するには、次のクイック スタートに従ってください。

クイック スタート: Python で予測モデルを作成してスコア付けする