SQL 기계 학습용 R 자습서
적용 대상: SQL Server 2016(13.x) 이상 Azure SQL Managed Instance
이 문서에서는 SQL Server의 Machine Learning Services 및 빅 데이터 클러스터에 대한 R 자습서와 빠른 시작에 대해 설명합니다.
이 문서에서는 SQL Server Machine Learning Services용 R 자습서 및 빠른 시작에 대해 설명합니다.
이 문서에서는 SQL Server 2016 R Services용 R 자습서 및 빠른 시작에 대해 설명합니다.
이 문서에서는 Azure SQL Managed Instance Machine Learning Services용 Python 자습서 및 빠른 시작에 대해 설명합니다.
R 자습서
자습서 | Description |
---|---|
의사 결정 트리를 사용하여 스키 임대 예측 | R 및 의사 결정 트리 모델을 사용하여 향후 스키 대여 수량을 예측합니다. 데이터를 준비하고 모델을 학습할 때는 Azure Data Studio의 Notebook을 사용하고, 모델을 배포할 때는 T-SQL을 사용합니다. |
k-means 클러스터링을 사용하여 고객 분류 | R로 K-평균 클러스터링 모델을 개발 및 배포하여 고객을 분류합니다. 데이터를 준비하고 모델을 학습할 때는 Azure Data Studio의 Notebook을 사용하고, 모델을 배포할 때는 T-SQL을 사용합니다. |
데이터 과학자를 위한 데이터베이스 내 R 분석 | SQL 기계 학습을 처음 접하는 R 개발자를 위한 이 자습서에서는 SQL에서 일반적인 데이터 과학 작업을 수행하는 방법을 설명합니다. 데이터를 로드 및 시각화하고, 데이터베이스에서 모델을 학습 및 저장하고, 예측 분석을 위해 모델을 사용합니다. |
SQL 개발자를 위한 데이터베이스 내 R 분석 | SQL 도구만 사용하여 전체 R 솔루션을 빌드 및 배포합니다. 솔루션을 프로덕션으로 전환하는 데 중점을 둡니다. R 코드를 저장 프로시저에 래핑하고, R 모델을 데이터베이스에 저장하고, 예측을 위해 매개 변수가 있는 R 모델 호출을 수행하는 방법을 알아봅니다. |
자습서 | Description |
---|---|
의사 결정 트리를 사용하여 스키 임대 예측 | R 및 의사 결정 트리 모델을 사용하여 향후 스키 대여 수량을 예측합니다. 데이터를 준비하고 모델을 학습할 때는 Azure Data Studio의 Notebook을 사용하고, 모델을 배포할 때는 T-SQL을 사용합니다. |
k-means 클러스터링을 사용하여 고객 분류 | R로 K-평균 클러스터링 모델을 개발 및 배포하여 고객을 분류합니다. 데이터를 준비하고 모델을 학습할 때는 Azure Data Studio의 Notebook을 사용하고, 모델을 배포할 때는 T-SQL을 사용합니다. |
R 빠른 시작
SQL 기계 학습을 처음 접하는 경우 R 빠른 시작을 수행해도 됩니다.
빠른 시작 | Description |
---|---|
간단한 R 스크립트 실행 | sp_execute_external_script를 사용하여 T-SQL에서 R을 호출하는 방법에 대한 기본 사항을 알아봅니다. |
R을 사용하는 데이터 구조 및 개체 | SQL에서 R을 사용하여 데이터 구조를 처리하는 방법을 보여줍니다. |
R에서 예측 모델 만들기 및 점수 매기기 | R 모델을 만들고, 학습시키고, 새 데이터로 미래를 예측하는 데 사용하는 방법을 설명합니다. |
다음 단계
피드백
https://aka.ms/ContentUserFeedback
출시 예정: 2024년 내내 콘텐츠에 대한 피드백 메커니즘으로 GitHub 문제를 단계적으로 폐지하고 이를 새로운 피드백 시스템으로 바꿀 예정입니다. 자세한 내용은 다음을 참조하세요.다음에 대한 사용자 의견 제출 및 보기