새 데이터 점수 매기기(SQL Server 및 RevoScaleR 자습서)

적용 대상: SQL Server 2016(13.x) 이상 버전

이것은 SQL Server에서 RevoScaleR 함수를 사용하는 방법에 대한 RevoScaleR 자습서 시리즈 중 자습서 8에 해당됩니다.

이 자습서에서는 이전 자습서에서 만든 로지스틱 회귀 분석 모델을 사용하여 입력과 같은 독립 변수를 사용하는 다른 데이터 세트에 대한 점수를 계산합니다.

점수 생성 및 저장

1. 이전 자습서에서 만든 열 정보를 사용하도록 sqlScoreDS 데이터 원본(자습서 2에서 생성됨)을 업데이트합니다.

   sqlScoreDS <- RxSqlServerData(
       connectionString = sqlConnString,
       table = sqlScoreTable,
       colInfo = ccColInfo,
       rowsPerRead = sqlRowsPerRead)
   

2. 결과가 손실되지 않도록 하려면 새 데이터 원본 개체를 만듭니다. 그런 다음, 새 데이터 원본 개체를 사용하여 RevoDeepDive 데이터베이스에 새 테이블을 채웁니다.

   sqlServerOutDS <- RxSqlServerData(table = "ccScoreOutput",
       connectionString = sqlConnString,
       rowsPerRead = sqlRowsPerRead )
   

   이때 테이블은 만들어지지 않았습니다. 이 문은 데이터의 컨테이너를 정의할 뿐입니다.

3. rxGetComputeContext() 를 사용하여 현재 컴퓨팅 컨텍스트를 확인하고, 필요한 경우 컴퓨팅 컨텍스트를 서버로 설정합니다.

   rxSetComputeContext(sqlCompute)
   

4. 예방 차원에서 출력 테이블이 있는지 확인하세요. 이름이 같은 항목이 이미 있으면 새 테이블을 작성하려고 할 때 오류가 발생합니다.

   이렇게 하려면 rxSqlServerTableExists 및 rxSqlServerDropTable함수를 호출하여 테이블 이름을 입력으로 전달합니다.

   if (rxSqlServerTableExists("ccScoreOutput"))     rxSqlServerDropTable("ccScoreOutput")
   

   • rxSqlServerTableExists는 ODBC 드라이버를 쿼리하고, 테이블이 있으면 TRUE를 반환하고, 그렇지 않으면 FALSE를 반환합니다.
   • rxSqlServerDropTable은 DDL을 실행하고, 테이블이 성공적으로 삭제되었으면 TRUE를 반환하고, 그렇지 않으면 FALSE를 반환합니다.

5. rxPredict를 실행하여 점수를 만들어 데이터 원본 sqlScoreDS에 정의된 새 테이블에 저장합니다.

   rxPredict(modelObject = logitObj,
       data = sqlScoreDS,
       outData = sqlServerOutDS,
       predVarNames = "ccFraudLogitScore",
         type = "link",
       writeModelVars = TRUE,
       overwrite = TRUE)
   

   rxPredict 함수는 원격 컴퓨팅 컨텍스트에서의 실행을 지원하는 또 다른 함수입니다. rxPredict 함수를 사용하여 rxLinMod, rxLogit 또는 rxGlm을 기반으로 하는 모델에서 점수를 만들 수 있습니다.

   • 여기서는 writeModelVars 매개 변수가 TRUE 로 설정되었습니다. 이 경우 예측에 사용된 변수가 새 테이블에 포함됩니다.

   • predVarNames 매개 변수는 결과를 저장할 변수를 지정합니다. 여기에 새 변수 ccFraudLogitScore를 전달합니다.

   • rxPredict 에 대한 type 매개 변수는 예측 계산 방법을 정의합니다. 응답 변수의 소수 자릿수를 기준으로 점수를 생성하려면 키워드 응답을 지정합니다. 또는 키워드 link를 사용하여 기본 링크 함수를 기반으로 점수를 생성합니다. 이 경우 로지스틱 스케일을 사용하여 예측을 만듭니다.

6. 잠시 후 Management Studio에서 테이블 목록을 새로 고쳐 새 테이블 및 해당 데이터를 확인할 수 있습니다.

7. 출력 예측에 변수를 더 추가하려면 extraVarsToWrite 인수를 사용합니다. 예를 들어 다음 코드에서 custID 변수는 점수 매기기 데이터 테이블에서 예측의 출력 테이블에 추가됩니다.

   rxPredict(modelObject = logitObj,
           data = sqlScoreDS,
           outData = sqlServerOutDS,
           predVarNames = "ccFraudLogitScore",
             type = "link",
           writeModelVars = TRUE,
           extraVarsToWrite = "custID",
           overwrite = TRUE)
   

히스토그램에 점수 표시

새 테이블이 만들어진 후 10,000개의 예측 점수 히스토그램을 컴퓨팅하여 표시합니다. 하위 및 상위 값을 지정하면 계산 속도가 더 빨라지므로 데이터베이스에서 해당 값을 가져와 작업 데이터에 추가합니다.

1. 데이터베이스를 쿼리하여 하위 및 상위 값을 가져오는 새 데이터 원본인 sqlMinMax를 만듭니다.

   sqlMinMax <- RxSqlServerData(
       sqlQuery = paste("SELECT MIN(ccFraudLogitScore) AS minVal,",
       "MAX(ccFraudLogitScore) AS maxVal FROM ccScoreOutput"),
       connectionString = sqlConnString)
   

   이 예제에서는 RxSqlServerData 데이터 원본 개체를 사용하여 SQL 쿼리, 함수 또는 저장 프로시저를 기반으로 임의 데이터 세트를 정의한 다음, 이를 R 코드에서 사용하기가 얼마나 쉬운지를 확인할 수 있습니다. 변수는 실제 값을 저장하는 것이 아니라 데이터 원본 정의를 저장할 뿐입니다. 쿼리는 rxImport와 같은 함수에서 변수를 사용할 때만 실행되어 값을 생성합니다.

2. rxImport 함수를 호출하여 컴퓨팅 컨텍스트 간에 공유할 수 있는 데이터 프레임에 값을 저장합니다.

   minMaxVals <- rxImport(sqlMinMax)
   minMaxVals <- as.vector(unlist(minMaxVals))
   

   결과

   > minMaxVals
   
   [1] -23.970256   9.786345
   

3. 이제 최댓값과 최솟값을 사용할 수 있으므로 해당 값을 사용하여 생성된 점수에 대한 다른 데이터 원본을 만듭니다.

   sqlOutScoreDS <- RxSqlServerData(sqlQuery = "SELECT ccFraudLogitScore FROM ccScoreOutput",
       connectionString = sqlConnString,
       rowsPerRead = sqlRowsPerRead,
           colInfo = list(ccFraudLogitScore = list(
               low = floor(minMaxVals[1]),
                       high = ceiling(minMaxVals[2]) ) ) )
   

4. 데이터 원본 개체 sqlOutScoreDS를 사용하여 점수를 가져오고 히스토그램을 컴퓨팅하여 표시합니다. 필요한 경우 컴퓨팅 컨텍스트를 설정하는 코드를 추가합니다.

   # rxSetComputeContext(sqlCompute)
   rxHistogram(~ccFraudLogitScore, data = sqlOutScoreDS)
   

   결과

   

다음 단계