Tutorial: Preparar dados para treinar um modelo preditivo em R com aprendizado de máquina SQL

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

Neste artigo, você aprenderá a:

Na primeira parte, você aprendeu como restaurar o banco de dados de exemplo.

Na terceira parte, você aprenderá como treinar um modelo de aprendizado de máquina em R.

Na quarta parte, você aprenderá como armazenar o modelo em um banco de dados e, em seguida, criar procedimentos armazenados a partir dos scripts 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 segunda parte deste tutorial pressupõe que você concluiu a primeira parte e seus pré-requisitos.

Carregar os dados em um quadro de dados

Para usar os dados em R, você carregará os dados do banco de dados em um quadro de dados (rentaldata).

Crie um novo arquivo RScript no RStudio e execute o seguinte script. Substitua ServerName por suas próprias 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 verá 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 mais uma preparação aqui. Use o script R a seguir para identificar 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 verá 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 estão agora preparados para treinamento.

Limpeza de recursos

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

Próximos passos

Na segunda parte desta série de tutoriais, você aprendeu como:

• Carregue os dados de exemplo em um quadro de dados R
• Prepare os dados em R identificando algumas colunas como categóricas

Para criar um modelo de aprendizado de máquina que usa dados do banco de dados TutorialDB, siga a terceira parte desta série de tutoriais: