Creare modelli R (esercitazione su SQL Server e RevoScaleR)
Si applica a: 
SQL Server 2016 (13.x) e versioni successive
Questa è l'esercitazione 7 della serie di esercitazioni per RevoScaleR dedicate all'uso delle funzioni di RevoScaleR con SQL Server.
I dati di training sono stati ampliati. In questa esercitazione si analizzeranno i dati usando la modellazione di regressione. I modelli lineari costituiscono uno strumento importante nel mondo dell'analisi predittiva. Il pacchetto RevoScaleR include algoritmi di regressione che possono suddividere il carico di lavoro ed eseguirlo in parallelo.
- Creare un modello di regressione lineare
- Creare un modello di regressione logistica
Creare un modello di regressione lineare
In questo passaggio verrà creato un semplice modello lineare che stima il saldo della carta di credito dei clienti usando come variabili indipendenti i valori delle colonne gender e creditLine.
A questo scopo, verrà usata la funzione rxLinMod che supporta i contesti di calcolo remoti.
Creare una variabile R per archiviare il modello completato e chiamare rxLinMod passando una formula appropriata.
linModObj <- rxLinMod(balance ~ gender + creditLine, data = sqlFraudDS)Per visualizzare un riepilogo dei risultati, chiamare la funzione summary standard di R nell'oggetto modello.
summary(linModObj)
Si potrebbe trovare particolare che una funzione R semplice come summary funzioni in questo caso poiché nel passaggio precedente è stato impostato un contesto di calcolo del server. Tuttavia, anche quando la funzione rxLinMod usa il contesto di calcolo remoto per creare il modello, la funzione restituisce anche un oggetto contenente il modello alla workstation locale e lo archivia nella directory condivisa.
Di conseguenza, sarà possibile eseguire i comandi R standard sul modello come se fosse stato creato usando il contesto "locale".
Risultati
Linear Regression Results for: balance ~ gender + creditLineData: sqlFraudDS (RxSqlServerData Data Source)
Dependent variable(s): balance
Total independent variables: 4 (Including number dropped: 1)
Number of valid observations: 10000
Number of missing observations: 0
Coefficients: (1 not defined because of singularities)
Estimate Std. Error t value Pr(>|t|) (Intercept)
3253.575 71.194 45.700 2.22e-16
gender=Male -88.813 78.360 -1.133 0.257
gender=Female Dropped Dropped Dropped Dropped
creditLine 95.379 3.862 24.694 2.22e-16
Signif. codes: 0 0.001 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 3812 on 9997 degrees of freedom
Multiple R-squared: 0.05765
Adjusted R-squared: 0.05746
F-statistic: 305.8 on 2 and 9997 DF, p-value: < 2.2e-16
Condition number: 1.0184
Creare un modello di regressione logistica
Verrà ora creato un modello di regressione logistica che indica se un determinato cliente rappresenta un rischio di frode. Verrà usata la funzione rxLogit di RevoScaleR, che supporta l'adattamento dei modelli di regressione logistica nei contesti di calcolo remoti.
Mantenere il contesto di calcolo già definito. Si continuerà a usare anche la stessa origine dati.
Chiamare la funzione rxLogit e passare la formula necessaria per definire il modello.
logitObj <- rxLogit(fraudRisk ~ state + gender + cardholder + balance + numTrans + numIntlTrans + creditLine, data = sqlFraudDS, dropFirst = TRUE)Poiché si tratta di un modello di grandi dimensioni contenente 60 variabili indipendenti, tra cui tre variabili fittizie che vengono eliminate, potrebbe essere necessario attendere che il contesto di calcolo restituisca l'oggetto.
Il motivo per cui il modello è così grande è che in R e nel pacchetto RevoScaleR ogni livello di una variabile di fattore di categorie viene considerato automaticamente come variabile fittizia separata.
Per visualizzare un riepilogo del modello restituito, chiamare la funzione R summary .
summary(logitObj)
Risultati parziali
Logistic Regression Results for: fraudRisk ~ state + gender + cardholder + balance + numTrans + numIntlTrans + creditLine
Data: sqlFraudDS (RxSqlServerData Data Source)
Dependent variable(s): fraudRisk
Total independent variables: 60 (Including number dropped: 3)
Number of valid observations: 10000 -2
LogLikelihood: 2032.8699 (Residual deviance on 9943 degrees of freedom)
Coefficients:
Estimate Std. Error z value Pr(>|z|) (Intercept)
-8.627e+00 1.319e+00 -6.538 6.22e-11
state=AK Dropped Dropped Dropped Dropped
state=AL -1.043e+00 1.383e+00 -0.754 0.4511
(other states omitted)
gender=Male Dropped Dropped Dropped Dropped
gender=Female 7.226e-01 1.217e-01 5.936 2.92e-09
cardholder=Principal Dropped Dropped Dropped Dropped
cardholder=Secondary 5.635e-01 3.403e-01 1.656 0.0977
balance 3.962e-04 1.564e-05 25.335 2.22e-16
numTrans 4.950e-02 2.202e-03 22.477 2.22e-16
numIntlTrans 3.414e-02 5.318e-03 6.420 1.36e-10
creditLine 1.042e-01 4.705e-03 22.153 2.22e-16
Signif. codes: 0 '\*\*\*' 0.001 '\*\*' 0.01 '\*' 0.05 '.' 0.1 ' ' 1
Condition number of final variance-covariance matrix: 3997.308
Number of iterations: 15