チュートリアル:SQL 機械学習を使用して R で予測モデルを作成する

[アーティクル]
05/30/2023

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

この 4 部構成のチュートリアルシリーズのパート 3 では、R で予測モデルをトレーニングします。このシリーズの次のパートでは、Machine Learning Services またはビッグデータクラスターを使用して、このモデルを SQL Server データベースにデプロイします。

この 4 部構成のチュートリアルシリーズのパート 3 では、R で予測モデルをトレーニングします。このシリーズの次のパートでは、Machine Learning Services を使用して、このモデルを SQL Server データベースにデプロイします。

この 4 部構成のチュートリアルシリーズのパート 3 では、R で予測モデルをトレーニングします。このシリーズの次のパートでは、SQL Server R Services を使用して、このモデルをデータベースにデプロイします。

この 4 部構成のチュートリアルシリーズのパート 3 では、R で予測モデルをトレーニングします。このシリーズの次のパートでは、Machine Learning Services を使用して、このモデルを Azure SQL Managed Instance データベースにデプロイします。

この記事では、次の方法について学習します。

2 つの機械学習モデルをトレーニングする
両方のモデルで予測を行う
結果を比較して最も正確なモデルを選択する

第 1 部では、サンプルデータベースを復元する方法を学習しました。

パート 2 では、データベースから Python データフレームにデータを読み込み、R でデータを準備する方法を学習しました。

パート 4 では、モデルをデータベースに格納した後、パート 2 と 3 で開発した Python スクリプトからストアドプロシージャを作成する方法について学習します。ストアドプロシージャは、新しいデータに基づいて予測を行うためにサーバーで実行されます。

前提条件

このチュートリアルシリーズのパート 3 は、パート 1の前提条件を満たし、パート 2の手順を完了していることを前提としています。

2 つのモデルをトレーニングする

スキーレンタルデータに最適なモデルを見つけるために、2 つの異なるモデル (線形回帰とデシジョンツリー) を作成し、どちらの予測がより正確であるかを調べます。このシリーズのパート 1 で作成したデータフレーム rentaldata を使用します。

#First, split the dataset into two different sets:
# one for training the model and the other for validating it
train_data = rentaldata[rentaldata$Year < 2015,];
test_data  = rentaldata[rentaldata$Year == 2015,];


#Use the RentalCount column to check the quality of the prediction against actual values
actual_counts <- test_data$RentalCount;

#Model 1: Use lm to create a linear regression model, trained with the training data set
model_lm <- lm(RentalCount ~  Month + Day + WeekDay + Snow + Holiday, data = train_data);

#Model 2: Use rpart to create a decision tree model, trained with the training data set
library(rpart);
model_rpart  <- rpart(RentalCount ~ Month + Day + WeekDay + Snow + Holiday, data = train_data);

両方のモデルで予測を行う

予測関数を使用し、トレーニング済みの各モデルを使ってレンタル数を予測します。

#Use both models to make predictions using the test data set.
predict_lm <- predict(model_lm, test_data)
predict_lm <- data.frame(RentalCount_Pred = predict_lm, RentalCount = test_data$RentalCount, 
                         Year = test_data$Year, Month = test_data$Month,
                         Day = test_data$Day, Weekday = test_data$WeekDay,
                         Snow = test_data$Snow, Holiday = test_data$Holiday)

predict_rpart  <- predict(model_rpart,  test_data)
predict_rpart <- data.frame(RentalCount_Pred = predict_rpart, RentalCount = test_data$RentalCount, 
                         Year = test_data$Year, Month = test_data$Month,
                         Day = test_data$Day, Weekday = test_data$WeekDay,
                         Snow = test_data$Snow, Holiday = test_data$Holiday)

#To verify it worked, look at the top rows of the two prediction data sets.
head(predict_lm);
head(predict_rpart);

    RentalCount_Pred  RentalCount  Month  Day  WeekDay  Snow  Holiday
1         27.45858          42       2     11     4      0       0
2        387.29344         360       3     29     1      0       0
3         16.37349          20       4     22     4      0       0
4         31.07058          42       3      6     6      0       0
5        463.97263         405       2     28     7      1       0
6        102.21695          38       1     12     2      1       0
    RentalCount_Pred  RentalCount  Month  Day  WeekDay  Snow  Holiday
1          40.0000          42       2     11     4      0       0
2         332.5714         360       3     29     1      0       0
3          27.7500          20       4     22     4      0       0
4          34.2500          42       3      6     6      0       0
5         645.7059         405       2     28     7      1       0
6          40.0000          38       1     12     2      1       0

結果を比較する

次に、どちらのモデルで最善の予測が得られるかを調べます。これを行うための迅速で簡単な方法は、基本的なプロット関数を使用して、トレーニングデータの実際の値と予測値の差を表示することです。

#Use the plotting functionality in R to visualize the results from the predictions
par(mfrow = c(1, 1));
plot(predict_lm$RentalCount_Pred - predict_lm$RentalCount, main = "Difference between actual and predicted. lm")
plot(predict_rpart$RentalCount_Pred  - predict_rpart$RentalCount,  main = "Difference between actual and predicted. rpart")

2 つのモデルを比較する

2 つのモデルのうち、デシジョンツリーモデルの方がより正確であるように見えます。

リソースをクリーンアップする

このチュートリアルを続行しない場合は、TutorialDB データベースを削除してください。

次のステップ

このチュートリアルシリーズのパート 3 で学習した内容は次のとおりです。

2 つの機械学習モデルをトレーニングする
両方のモデルで予測を行う
結果を比較して最も正確なモデルを選択する

作成した機械学習モデルをデプロイするには、このチュートリアルシリーズのパート 4 の手順に従います。

SQL 機械学習を使用して R で予測モデルをデプロイする

次の方法で共有