Tutorial: preparar os dados para treinar um modelo preditivo no R com o aprendizado de máquina do SQL

  • Artigo

Aplica-se a: SQL Server 2016 (13.x) e versões posteriores Instância Gerenciada de SQL do Azure

Na parte dois deste tutorial de quatro partes, você preparará os dados de um banco de dados usando o R. Ainda nesta série, você usará esses dados para treinar e implantar um modelo preditivo em R com os Serviços de Machine Learning do SQL Server ou nos Clusters de Big Data.

Na parte dois deste tutorial de quatro partes, você preparará os dados de um banco de dados usando o R. Ainda nesta série, você usará esses dados para treinar e implantar um modelo preditivo em R com os Serviços de Machine Learning do SQL Server.

Na parte dois deste tutorial de quatro partes, você preparará os dados de um banco de dados usando o R. Ainda nesta série, você usará esses dados para treinar e implantar um modelo preditivo em R com o SQL Server R Services.

Na parte dois deste tutorial de quatro partes, você preparará os dados de um banco de dados usando o R. Ainda nesta série, você usará esses dados para treinar e implantar um modelo preditivo em R com os Serviços de Machine Learning da Instância Gerenciada de SQL do Azure.

Neste artigo, você aprenderá a:

  • Restaurar um banco de dados de exemplo em um banco de dados
  • Carregar os dados do banco de dados em uma estrutura de dados do R
  • Preparar os dados no R identificando algumas colunas como categóricas

Na parte um, você aprendeu a restaurar o banco de dados de exemplo.

Na parte três, você aprenderá a treinar um modelo de machine learning no R.

Na parte quatro, você aprenderá a armazenar o modelo em um banco de dados e, em seguida, criará procedimentos armazenados com base nos scripts do R desenvolvidos nas partes dois e três. Os procedimentos armazenados serão executados no servidor para fazer previsões com base em novos dados.

Pré-requisitos

A parte dois deste tutorial presume que você concluiu a parte um e seus pré-requisitos.

Carregar os dados em um quadro de dados

Para usar os dados no R, é necessário carregá-los do banco de dados para a estrutura de dados (rentaldata).

Crie um novo arquivo RScript no RStudio e execute o script a seguir. Substitua ServerName por suas informações de conexão.

#Define the connection string to connect to the TutorialDB database
connStr <- "Driver=SQL Server;Server=ServerName;Database=TutorialDB;uid=Username;pwd=Password"


#Get the data from the table
library(RODBC)

ch <- odbcDriverConnect(connStr)

#Import the data from the table
rentaldata <- sqlFetch(ch, "dbo.rental_data")

#Take a look at the structure of the data and the top rows
head(rentaldata)
str(rentaldata)

Você deverá ver resultados semelhantes aos seguintes.

   Year  Month  Day  RentalCount  WeekDay  Holiday  Snow
1  2014    1     20      445         2        1      0
2  2014    2     13       40         5        0      0
3  2013    3     10      456         1        0      0
4  2014    3     31       38         2        0      0
5  2014    4     24       23         5        0      0
6  2015    2     11       42         4        0      0
'data.frame':       453 obs. of  7 variables:
$ Year       : int  2014 2014 2013 2014 2014 2015 2013 2014 2013 2015 ...
$ Month      : num  1 2 3 3 4 2 4 3 4 3 ...
$ Day        : num  20 13 10 31 24 11 28 8 5 29 ...
$ RentalCount: num  445 40 456 38 23 42 310 240 22 360 ...
$ WeekDay    : num  2 5 1 2 5 4 1 7 6 1 ...
$ Holiday    : int  1 0 0 0 0 0 0 0 0 0 ...
$ Snow       : num  0 0 0 0 0 0 0 0 0 0 ...

Preparar os dados

Neste banco de dados de exemplo, a maior parte da preparação já foi feita, mas você fará uma preparação a mais. Use o seguinte script do R para identificar as três colunas como categorias alterando os tipos de dados para fator.

#Changing the three factor columns to factor types
rentaldata$Holiday <- factor(rentaldata$Holiday);
rentaldata$Snow    <- factor(rentaldata$Snow);
rentaldata$WeekDay <- factor(rentaldata$WeekDay);



#Visualize the dataset after the change
str(rentaldata);

Você deverá ver resultados semelhantes aos seguintes.

data.frame':      453 obs. of  7 variables:
$ Year       : int  2014 2014 2013 2014 2014 2015 2013 2014 2013 2015 ...
$ Month      : num  1 2 3 3 4 2 4 3 4 3 ...
$ Day        : num  20 13 10 31 24 11 28 8 5 29 ...
$ RentalCount: num  445 40 456 38 23 42 310 240 22 360 ...
$ WeekDay    : Factor w/ 7 levels "1","2","3","4",..: 2 5 1 2 5 4 1 7 6 1 ...
$ Holiday    : Factor w/ 2 levels "0","1": 2 1 1 1 1 1 1 1 1 1 ...
$ Snow       : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 1 1 1 1 ...

Os dados agora estão preparados para treinamento.

Limpar os recursos

Se você não continuar com este tutorial, exclua o banco de dados TutorialDB.

Próximas etapas

Na parte dois desta série de tutoriais, você aprendeu a:

  • Carregar os dados de exemplo em uma estrutura de dados do R
  • Preparar os dados no R identificando algumas colunas como categóricas

Para criar um modelo de machine learning que usa dados do banco de dados TutorialDB, siga a parte três desta série de tutoriais:

Criar um modelo preditivo no R com o aprendizado de máquina do SQL