SQL 機械学習が含まれる Python および R チュートリアル用のアヤメのデモ データ

適用対象: SQL Server 2016 (13.x) 以降 Azure SQL Managed Instance

この演習では、アヤメの花のデータセットと同じデータに基づくモデルからのデータを格納するデータベースを作成します。 アヤメ データは R と Python の両方のディストリビューションに含まれており、SQL 機械学習のチュートリアルで使用されます。

この演習を完了するには、SQL Server Management Studio または T-SQL クエリを実行できる別のツールが必要です。

このデータセットを使用したチュートリアルとクイックスタートには、次のものがあります。

• クイック スタート: Python での予測モデルの作成とスコア付け

データベースの作成

1. SQL Server Management Studio を開始し、新しいクエリ ウィンドウを開きます。

2. このプロジェクトに対して新しいデータベースを作成し、新しいデータベースを使用するように、クエリ ウィンドウのコンテキストを変更します。

   CREATE DATABASE irissql
   GO
   USE irissql
   GO
   

3. 空のテーブルを追加します。1 つはデータを格納するテーブル、もう 1 つはトレーニング済みのモデルを格納するテーブルです。 iris_models テーブルは、他の演習で生成されたシリアル化モデルを格納するために使用されます。

   次のコードでは、トレーニング データ用のテーブルを作成します。

   DROP TABLE IF EXISTS iris_data;
   GO
   CREATE TABLE iris_data (
     id INT NOT NULL IDENTITY PRIMARY KEY
     , "Sepal.Length" FLOAT NOT NULL, "Sepal.Width" FLOAT NOT NULL
     , "Petal.Length" FLOAT NOT NULL, "Petal.Width" FLOAT NOT NULL
     , "Species" VARCHAR(100) NOT NULL, "SpeciesId" INT NOT NULL
   );
   

4. 次のコードを実行して、トレーニング済みのモデルを格納するために使用するテーブルを作成します。 SQL Server で Python (または R) モデルを保存するには、varbinary(max) 型の列にシリアル化して格納する必要があります。

   DROP TABLE IF EXISTS iris_models;
   GO
   
   CREATE TABLE iris_models (
     model_name VARCHAR(50) NOT NULL DEFAULT('default model') PRIMARY KEY,
     model VARBINARY(MAX) NOT NULL
   );
   GO
   

   モデルの内容に加えて、通常は、モデルの名前、トレーニングされた日付、ソース アルゴリズムとパラメーター、ソース データなど、その他の便利なメタデータの列も追加します。 ここでは、単純にするため、モデル名のみを使用します。

テーブルにデータを挿入する

R または Python から組み込みのアヤメ データを取得できます。 Python または R を使用してデータをデータ フレームに読み込んでから、それをデータベース内のテーブルに挿入することができます。 外部セッションからトレーニング データをテーブルに移動することは、複数の手順があるプロセスです。

• 必要なデータを取得するストアド プロシージャを設計します。
• 実際にデータを取得するには、ストアド プロシージャを実行します。
• 取得したデータを保存する場所を指定するために、INSERT ステートメントを構築します。

1. Python 統合を使用するシステムでは、Python コードを使用してデータを読み込む、次のストアド プロシージャを作成します。

   CREATE PROCEDURE get_iris_dataset
   AS
   BEGIN
   EXEC sp_execute_external_script @language = N'Python', 
   @script = N'
   from sklearn import datasets
   iris = datasets.load_iris()
   iris_data = pandas.DataFrame(iris.data)
   iris_data["Species"] = pandas.Categorical.from_codes(iris.target, iris.target_names)
   iris_data["SpeciesId"] = iris.target
   ', 
   @input_data_1 = N'', 
   @output_data_1_name = N'iris_data'
   WITH RESULT SETS (("Sepal.Length" float not null, "Sepal.Width" float not null, "Petal.Length" float not null, "Petal.Width" float not null, "Species" varchar(100) not null, "SpeciesId" int not null));
   END;
   GO
   

   このコードを実行すると、"コマンドは正常に完了しました。" というメッセージが表示されます。これは、ストアド プロシージャが仕様に従って作成されていることを意味します。

2. または、R を統合するシステムでは、代わりに R を使用するプロシージャを作成します。

   CREATE PROCEDURE get_iris_dataset
   AS
   BEGIN
   EXEC sp_execute_external_script @language = N'R', 
   @script = N'
   library(RevoScaleR)
   data(iris)
   iris$SpeciesID <- c(unclass(iris$Species))
   iris_data <- iris
   ', 
   @input_data_1 = N'', 
   @output_data_1_name = N'iris_data'
   WITH RESULT SETS (("Sepal.Length" float not null, "Sepal.Width" float not null, "Petal.Length" float not null, "Petal.Width" float not null, "Species" varchar(100) not null, "SpeciesId" int not null));
   END;
   GO
   

3. テーブルに実際にデータを挿入するには、ストアド プロシージャを実行し、データの書き込み先のテーブルを指定します。 実行するとき、ストアド プロシージャは Python または R コードを実行します。このコードでは、組み込みのアヤメのデータ セットが読み込まれ、iris_data テーブルにデータが挿入されます。

   INSERT INTO iris_data ("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species", "SpeciesId")
   EXEC dbo.get_iris_dataset;
   

   T-SQL を初めて使用する場合は、INSERT ステートメントで新しいデータのみが追加されることに注意してください。既存のデータをチェックしたり、テーブルを削除および再構築したりすることはありません。 テーブル内の同じデータの複数のコピーが取得されないようにするには、最初にこのステートメントを実行します: TRUNCATE TABLE iris_data。 T-SQL TRUNCATE TABLE ステートメントでは、既存のデータが削除されますが、テーブルの構造はそのまま維持されます。

データにクエリを実行する

検証手順として、クエリを実行してデータがアップロードされたことを確認します。

1. オブジェクト エクスプローラーの [データベース] で、irissql データベースを右クリックし、新しいクエリを開始します。

2. いくつかの単純なクエリを実行します。

   SELECT TOP(10) * FROM iris_data;
   SELECT COUNT(*) FROM iris_data;
   

次のステップ

次のクイックスタートでは、機械学習モデルを作成してテーブルに保存してから、モデルを使用して予測結果を生成します。

• クイックスタート: Python での予測モデルの作成とスコア付け