Usare Azure Machine Learning con SQL Data WarehouseUse Azure Machine Learning with SQL Data Warehouse

Azure Machine Learning è un servizio di analisi predittive completamente gestito, che può essere usato per creare modelli predittivi dei dati in SQL Data Warehouse e pubblicarli come servizi pronti all'uso.Azure Machine Learning is a fully managed predictive analytics service that you can use to create predictive models against your data in SQL Data Warehouse, and then publish as ready-to-consume web services. Per le nozioni di base sull'analisi predittiva e su Machine Learning, vedere Introduzione a Machine Learning in Azure.You can learn the basics of predictive analytics and machine learning by reading Introduction to Machine Learning on Azure. Sarà quindi possibile imparare a creare, eseguire il training, assegnare punteggi e testare un modello di Machine Learning usando l'esercitazione per la creazione di esperimenti.You can then learn how to create, train, score and test a machine learning model using the Create experiment tutorial.

Questo articolo illustra come effettuare le operazioni seguenti usando Azure Machine Learning Studio:In this article, you will learn how to do the following using the Azure Machine Learning Studio:

  • Leggere i dati dal database da creare, eseguire il training e il punteggio di un modello di stimaRead data from your database to create, train and score a predictive model
  • Scrivere dati nel databaseWrite data to your database

Leggere dati da SQL Data WarehouseRead data from SQL Data Warehouse

Si leggeranno i dati dalla tabella Product nel database AdventureWorksDW.We will read data from Product table in the AdventureWorksDW database.

Passaggio 1Step 1

Avviare un nuovo esperimento facendo clic su +NEW nella parte inferiore della finestra di Machine Learning Studio, selezionare EXPERIMENT, quindi Blank Experiment.Start a new experiment by clicking +NEW at the bottom of the Machine Learning Studio window, select EXPERIMENT, and then select Blank Experiment. Selezionare il nome dell'esperimento predefinito nella parte superiore dell'area di disegno e denominarlo in modo significativo, ad esempio Bicycle price prediction.Select the default experiment name at the top of the canvas and rename it to something meaningful, for example, Bicycle price prediction.

Passaggio 2Step 2

Cercare il modulo Reader nella tavolozza dei set di dati e moduli a sinistra dell'area di disegno dell'esperimento.Look for the Reader module in the palette of datasets and modules on the left of the experiment canvas. Trascinare il set di dati nell'area di disegno dell'esperimento.Drag the module to the experiment canvas.

Passaggio 3Step 3

Selezionare il modulo Reader e compilare il riquadro delle proprietà.Select the Reader module and fill out the properties pane.

  1. Selezionare il database SQL di Azure in Data Source.Select Azure SQL Database as the Data Source.
  2. Database server name: digitare il nome del server.Database server name: Type the server name. Per trovarlo, è possibile usare il portale di Azure.You can use the Azure portal to find this.

  1. Database name: digitare il nome del database nel server specificato.Database name: Type the name of a database on the server you just specified.
  2. Server user account name: digitare il nome utente di un account con autorizzazioni di accesso al database.Server user account name: Type the user name of an account that has access permissions for the database.
  3. Server user account password: fornire la password per l'account utente specificato.Server user account password: Provide the password for the specified user account.
  4. Accept any server certificate: usare questa opzione (meno sicura) se si vuole evitare di rivedere il certificato del sito prima di leggere i dati.Accept any server certificate: Use this option (less secure) if you want to skip reviewing the site certificate before you read your data.
  5. Database query: immettere un'istruzione SQL che descriva i dati da leggere.Database query: Enter a SQL statement that describes the data you want to read. In questo caso si leggeranno i dati dalla tabella Product usando la query seguente.In this case, we will read data from Product table using the following query.
SELECT ProductKey, EnglishProductName, StandardCost,
        ListPrice, Size, Weight, DaysToManufacture,
        Class, Style, Color
FROM dbo.DimProduct;

Passaggio 4Step 4

  1. Eseguire l'esperimento facendo clic su Run sotto l'area di disegno dell'esperimento.Run the experiment by clicking Run under the experiment canvas.
  2. Al termine dell'esperimento, il modulo Reader sarà contraddistinto da un segno di spunta verde per indicarne il corretto completamento.When the experiment finishes, the Reader module will have a green check mark to indicate that it has completed successfully. Si noti anche lo stato Esecuzione terminata nell'angolo in alto a destra.Notice also the Finished running status in the upper-right corner.

  1. Per visualizzare tutti i dati importati, fare clic sulla porta di output nella parte inferiore del set di dati relativo alle automobili e selezionare Visualize.To see the imported data, click the output port at the bottom of the automobile dataset and select Visualize.

Creare, eseguire il training e assegnare un punteggio a un modelloCreate, train and score a model

A questo punto è possibile utilizzare questo set di dati per:Now you can use this dataset to:

  • Creare un modello: elaborare i dati e definire le funzionalitàCreate a Model: Process data and define features
  • Il training del modello: selezionare e applicare un algoritmo di apprendimentoTrain the model: Choose and apply a learning algorithm
  • Assegnare un punteggio e testare il modello: stima di un nuovo prezzo di bicicletteScore and test the model: Predict new bicycle price

Per altre informazioni su come creare, eseguire il training, assegnare punteggi e testare un modello di Machine Learning, usare l'esercitazione per la creazione di esperimenti.To learn more about how to create, train, score and test a machine learning model use the Create experiment tutorial.

Scrivere dati in Azure SQL Data WarehouseWrite data to Azure SQL Data Warehouse

Si scriverà il set di risultati nella tabella ProductPriceForecast del database AdventureWorksDW.We will write the result set to ProductPriceForecast table in the AdventureWorksDW database.

Passaggio 1Step 1

Cercare il modulo Writer nella tavolozza dei set di dati e moduli a sinistra dell'area di disegno dell'esperimento.Look for the Writer module in the palette of datasets and modules on the left of the experiment canvas. Trascinare il set di dati nell'area di disegno dell'esperimento.Drag the module to the experiment canvas.

Passaggio 2Step 2

Selezionare il modulo Writer e compilare il riquadro delle proprietà.Select the Writer module and fill out the properties pane.

  1. Selezionare il database SQL di Azure in Data Destination.Select Azure SQL Database as the Data Destination.
  2. Database server name: digitare il nome del server.Database server name: Type the server name. Per trovarlo, è possibile usare il portale di Azure.You can use the Azure portal to find this.
  3. Database name: digitare il nome del database nel server specificato.Database name: Type the name of a database on the server you just specified.
  4. Server user account name: digitare il nome utente di un account con autorizzazioni di scrittura nel database.Server user account name: Type the user name of an account that has write permissions for the database.
  5. Server user account password: fornire la password per l'account utente specificato.Server user account password: Provide the password for the specified user account.
  6. Accept any server certificate (insecure): selezionare questa opzione se non si vuole visualizzare il certificato.Accept any server certificate (insecure): Select this option if you don’t want to view the certificate.
  7. Comma-separated list of columns to be saved: fornire un elenco del set di dati o delle colonne dei risultati da generare.Comma-separated list of columns to be saved: Provide a list of the dataset or result columns that you want to output.
  8. Data table name: specificare il nome della tabella dati.Data table name: Specify the name of the data table.
  9. Comma-separated list of datatable columns: specificare i nomi delle colonne da usare nella nuova tabella.Comma-separated list of datatable columns: Specify the column names to use in the new table. I nomi di colonna possono essere diversi da quelli del set di dati di origine, ma è necessario elencare lo stesso numero di colonne definite per la tabella di output.The column names can be different from the ones in the source dataset, but you must list the same number of columns here that you define for the output table.
  10. Number of rows written per SQL Azure operation: è possibile configurare il numero di righe scritte in un database SQL in un'unica operazione.Number of rows written per SQL Azure operation: You can configure the number of rows that are written to a SQL database in one operation.

Passaggio 3Step 3

  1. Eseguire l'esperimento facendo clic su Run sotto l'area di disegno dell'esperimento.Run the experiment by clicking Run under the experiment canvas.
  2. Al termine dell'esperimento, tutti i moduli saranno contraddistinti da un segno di spunta verde per indicarne il corretto completamento.When the experiment finishes, all modules will have a green check mark to indicate that they completed successfully.

Passaggi successiviNext steps

Per altri suggerimenti sullo sviluppo, vedere Panoramica sullo sviluppo per SQL Data Warehouse.For more development tips, see SQL Data Warehouse development overview.