Python 教學課程：準備資料以使用 SQL 機器學習來定型線性迴歸模型

適用於： SQL Server 2017 (14.x) 及更新版本 Azure SQL 受控執行個體

在本教學課程系列的第二部分 (總共四個部分) 中，您將使用 Python 準備資料庫中的資料。 在本系列稍後，您將使用此資料搭配 SQL Server 機器學習服務，在 Python 中定型和部署線性迴歸模型，或在 SQL Server 2019 巨量資料叢集上進行此定型和部署。

在本文中，您將學會如何：

• 將資料庫中的資料載入至 pandas 資料框架
• 透過移除一些資料行來準備 Python 中的資料

在第一部分，您已了解如何還原範例資料庫。

在第三部分中，您將了解如何在 Python 中定型線性迴歸機器學習模型。

在第四部分中，您將了解如何將模型儲存在資料庫中，然後從您在第二和第三部分中開發的 Python 指令碼建立預存程序。 預存程序將會在伺服器上中執行，以根據新資料進行預測。

Prerequisites

• 本教學課程的第二部分會假設您已完成第一部分及其必要條件。

探索和準備資料

為了使用 Python 中的資料，請將資料庫中的資料載入到 pandas 資料框架。

在 Azure Data Studio 中建立新的 Python 筆記本，並執行以下指令碼。

下列 Python 指令碼會將資料集從資料庫中的 dbo.rental_data 資料表，匯入到 pandas 資料框架 df。

在連接字串中，視需要取代連線詳細資料。 若要搭配 ODBC 連接字串使用Windows 驗證，請指定 Trusted_Connection=Yes; 而非 UID 和 PWD 參數。

import pyodbc
import pandas
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# Connection string to your SQL Server instance
conn_str = pyodbc.connect('DRIVER={ODBC Driver 17 for SQL Server}; SERVER=<server>; DATABASE=TutorialDB;UID=<username>;PWD=<password>')

query_str = 'SELECT Year, Month, Day, Rentalcount, Weekday, Holiday, Snow FROM dbo.rental_data'

df = pandas.read_sql(sql=query_str, con=conn_str)
print("Data frame:", df)

您應該會看見如下所示的結果。

Data frame:      Year  Month  Day  Rentalcount  WeekDay  Holiday  Snow
0    2014      1   20          445        2        1     0
1    2014      2   13           40        5        0     0
2    2013      3   10          456        1        0     0
3    2014      3   31           38        2        0     0
4    2014      4   24           23        5        0     0
..    ...    ...  ...          ...      ...      ...   ...
448  2013      2   19           57        3        0     1
449  2015      3   18           26        4        0     0
450  2015      3   24           29        3        0     1
451  2014      3   26           50        4        0     1
452  2015     12    6          377        1        0     1

[453 rows x 7 columns]

篩選資料框架中的資料行，以移除我們不想在定型中使用的資料行。 不應該包含 Rentalcount，因為其是預測的目標。

columns = df.columns.tolist()
columns = [c for c in columns if c not in ["Year", "Rentalcount"]]

print("Training set:", df[columns])

請注意訓練集將可存取的資料：

Training set:      Month  Day  Weekday  Holiday  Snow
1        2   13        5        0     0
3        3   31        2        0     0
7        3    8        7        0     0
15       3    4        2        0     1
22       1   18        1        0     0
..     ...  ...      ...      ...   ...
416      4   13        1        0     1
421      1   21        3        0     1
438      2   19        4        0     1
441      2    3        3        0     1
447      1    4        6        0     1

[91 rows x 5 columns]

後續步驟

在本教學課程系列的第二部分中，您已完成下列步驟：

• 將資料庫中的資料載入至 pandas 資料框架
• 透過移除一些資料行來準備 Python 中的資料

若要使用 TutorialDB 資料庫中的資料定型機器學習模型，請遵循此教學課程系列的第三部分：

Python 教學課程：定型線性迴歸模型