R 教程：训练并保存模型

项目
05/30/2023

适用于： SQL Server 2016 (13.x) 及更高版本 Azure SQL 托管实例

在此系列教程的第四部分（共五部分），你将学习如何使用 R 训练机器学习模型。使用在上一部分中创建的数据特征来训练该模型，然后将训练后的模型保存到一个 SQL Server 表中。在本例中，R 包已随 R Services（数据库内）安装，因此可通过 SQL 完成所有操作。

在本文中，你将：

使用 SQL 存储过程创建并训练模型
将训练后的模型保存到 SQL 表中

在第一部分中，你安装了必备条件并还原了示例数据库。

在第二部分中，你查看了示例数据，并生成一些绘图。

在第三部分中，你学习了如何使用 Transact-SQL 函数根据原始数据创建特征。然后从存储过程调用了该函数，创建了包含该功能值的表。

在第五部分中，你将了解如何操作在第四部分中训练和保存的模型。

创建存储过程

从 T-SQL 调用 R 时，可以使用系统存储过程 sp_execute_external_script。但是，对于经常重复执行的过程（如重新训练模型），在其他存储过程中封装对 sp_execute_external_script 的调用则会更加方便。

在 Management Studio 中，打开一个新的“查询”窗口。

运行以下语句，创建存储过程 RTrainLogitModel。此存储过程定义输入数据，并使用 glm 来创建逻辑回归模型。

CREATE PROCEDURE [dbo].[RTrainLogitModel] (@trained_model varbinary(max) OUTPUT)

AS
BEGIN
  DECLARE @inquery nvarchar(max) = N'
    select tipped, fare_amount, passenger_count,trip_time_in_secs,trip_distance,
    pickup_datetime, dropoff_datetime,
    dbo.fnCalculateDistance(pickup_latitude, pickup_longitude,  dropoff_latitude, dropoff_longitude) as direct_distance
    from nyctaxi_sample
    tablesample (70 percent) repeatable (98052)
'

  EXEC sp_execute_external_script @language = N'R',
                                  @script = N'
## Create model
logitObj <- glm(tipped ~ passenger_count + trip_distance + trip_time_in_secs + direct_distance, data = InputDataSet, family = binomial)
summary(logitObj)

## Serialize model 
trained_model <- as.raw(serialize(logitObj, NULL));
',
  @input_data_1 = @inquery,
  @params = N'@trained_model varbinary(max) OUTPUT',
  @trained_model = @trained_model OUTPUT; 
END
GO

为了确保留下一些数据以测试模型，70% 的数据是出于定型目的从出租车数据表中随机选择的。
SELECT 查询使用自定义标量函数 fnCalculateDistance 计算上车与下车位置之间的直接距离。查询的结果存储在默认 R 输入变量 InputDataset 中。
R 脚本调用 R 函数 glm 来创建逻辑回归模型。

二进制变量 tipped 用作标签或结果列，模型使用以下这些特征列进行调整：passenger_count、trip_distance、trip_time_in_secs 和 direct_distance。
已定型模型（保存在 R 变量 logitObj 中）会进行序列化，并作为输出参数返回。

使用存储过程定型并部署 R 模型

因为存储过程已包含输入数据的定义，所以无需提供输入查询。

要定型和部署 R 模型，请调用存储过程，并将其插入到数据库表 nyc_taxi_models 中，以便可以将其用于未来的预测：
```
DECLARE @model VARBINARY(MAX);
EXEC RTrainLogitModel @model OUTPUT;
INSERT INTO nyc_taxi_models (name, model) VALUES('RTrainLogit_model', @model);
```
查看 Management Studio 的“消息”窗口，以查看通过管道传递到 R 的 stdout 流的消息，如下所示：

“来自外部脚本的 STDOUT 消息:读取的行数：1193025，已处理的总行数:1193025，总区块时间:0.093 秒”
语句完成后，打开表 nyc_taxi_models。数据处理和模型调整可能需要一些时间。

可以看到已添加了一个新行，该行在列 model 中包含序列化模型，在列 name 中包含模型名称 RTrainLogit_model。
```
model                        name
---------------------------- ------------------
0x580A00000002000302020....  RTrainLogit_model
```

在此教程的下一部分中，你将使用已训练模型来生成预测。

后续步骤

本文内容：

使用 SQL 存储过程创建并训练了模型
将训练后的模型保存到了 SQL 表中

R 教程：在 SQL 存储过程中运行预测

通过

R 教程：训练并保存模型

创建存储过程

使用存储过程定型并部署 R 模型

后续步骤

反馈

其他资源