Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
gäller för:
SQL Server 2016 (13.x) och senare versioner
MicrosoftML är ett R-paket från Microsoft som tillhandahåller högpresterande maskininlärningsalgoritmer. Den inkluderar funktioner för träning och transformationer, poängräkning, text- och bildanalys samt funktionsextraktion för att härleda värden från befintlig data. Paketet ingår i SQL Server strojové učenie Services och SQL Server 2016 R Services och stödjer hög prestanda på big data, användning av flerkärnig bearbetning och snabb dataströmning. MicrosoftML inkluderar också många transformationer för text- och bildbehandling.
Fullständig referensdokumentation
MicrosoftML-paketet distribueras i flera Microsoft-produkter, men användningen är densamma oavsett om du får paketet i SQL Server eller en annan produkt. Eftersom funktionerna är desamma publiceras dokumentation för enskilda RevoScaleR-funktioner endast på en plats under R-referensen. Om det finns några produktspecifika beteenden noteras avvikelser på funktionshjälpsidan.
Versioner och plattformar
MicrosoftML-paketet är baserat på R 3.5.2 och finns endast tillgängligt när du installerar någon av följande Microsoft-produkter eller nedladdningar:
Anmärkning
Fullständiga produktversioner finns endast för Windows i SQL Server 2017. Både Windows och Linux stöds för MicrosoftML i SQL Server 2019.
Paketberoenden
Algoritmer i MicrosoftML är beroende av RevoScaleR för:
- Datakällobjekt. Data som konsumeras av MicrosoftML-funktioner skapas med hjälp av RevoScaleR-funktioner .
- Fjärrberäkning (att flytta funktionsexekveringen till en fjärrinstans av SQL Server). RevoScaleR-paketet tillhandahåller funktioner för att skapa och aktivera en fjärrberäkningskontext för SQL Server.
I de flesta fall laddar du paketen tillsammans när du använder MicrosoftML.
Funktioner efter kategori
Detta avsnitt listar funktionerna per kategori för att ge dig en uppfattning om hur varje funktion används. Du kan också använda innehållsförteckningen för att hitta funktioner i alfabetisk ordning.
1 – Maskininlärningsalgoritmer
| Funktionsnamn | Description |
|---|---|
| rxFastTrees | En implementation av FastRank, en effektiv implementation av MART-gradientförstärkningsalgoritmen. |
| rxFastForest | En slumpskog och kvantileregressionsskogsimplementation med rxFastTrees. |
| rxLogisticRegression | Logistisk regression med L-BFGS. |
| rxOneClassSvm | En klass stödjer vektormaskiner. |
| rxNeuralNet | Binärt, multiklass- och regressionsneuralt nätverk. |
| rxFastLinear | Stokastisk dual koordinatuppstigningsoptimering för linjär binär klassificering och regression. |
| rxEnsemble | Tränar ett antal modeller av olika slag för att uppnå bättre prediktiv prestanda än vad som skulle kunna erhållas från en enda modell. |
2-Transformationsfunktioner
| Funktionsnamn | Description |
|---|---|
| concat | Transformation för att skapa en enda vektorvärd kolumn från flera kolumner. |
| Kategorisk | Skapa en indikatorvektor med hjälp av kategorisk omvandling med en ordbok. |
| categoricalHash | Omvandlar det kategoriska värdet till en indikatorarray genom hashning. |
| featurizeText | Producerar en påse med räkningar av sekvenser av på varandra följande ord, kallade n-gram, från en given textkorpus. Det erbjuder språkdetektering, tokenisering, borttagning av stoppord, textnormalisering och funktionsgenerering. |
| getSentiment | Betygsätter text på naturligt språk och skapar en kolumn som innehåller sannolikheter för att känslorna i texten är positiva. |
| ngram | möjliggör definition av argument för antalsbaserad och hashbaserad funktionsextraktion. |
| selectColumns | Väljer en uppsättning kolumner att träna om och tar bort alla övriga. |
| selectFeatures | Väljer funktioner från de angivna variablerna med ett angivet läge. |
| loadImage | Laddar bilddata. |
| ändra storlek på bild | Ändra storlek på en bild till en specificerad dimension med en angiven storleksjusteringsmetod. |
| extractPixels | Extraherar pixelvärdena från en bild. |
| featurizeImage | Extraherar egenskaper ur en bild med hjälp av en förtränat djup neuronnätsmodell. |
3-Poängräkning och träningsfunktioner
| Funktionsnamn | Description |
|---|---|
| rxPredict.mlModel | Kör poängbiblioteket antingen från SQL Server, med den lagrade proceduren, eller från R-kod som möjliggör realtidspoängsättning för att ge mycket snabbare prediktionsprestanda. |
| rxFeaturize | Omvandlar data från en indatamängd till en utdatamängd. |
| mlModel | Ger en sammanfattning av en Microsoft R strojové učenie-modell. |
4-Förlustfunktioner för klassificering och regression
| Funktionsnamn | Description |
|---|---|
| expLoss | Specifikationer för exponentiell klassificeringsförlustfunktion. |
| logLoss | Specifikationer för logklassificeringsförlustfunktionen. |
| hingeLoss | Specifikationer för gångjärnsklassificeringsförlustfunktion. |
| smoothHingeLoss | Specifikationer för utjämnad hinge-klassificeringsförlustfunktion. |
| poissonLoss | Specifikationer för Poisson-regressionsförlustfunktionen. |
| squaredLoss | Specifikationer för kvadrat regressionsförlustfunktion. |
5-Funktioner för funktionsurval
| Funktionsnamn | Description |
|---|---|
| minCount | Specifikation för funktionsval i räkneläge. |
| Ömsesidig Information | Specifikation för funktionsval i ömsesidigt informationsläge. |
6-Ensemblemodelleringsfunktioner
| Funktionsnamn | Description |
|---|---|
| fastTrees | Skapar en lista som innehåller funktionsnamnet och argumenten för att träna en Fast Tree-modell med rxEnsemble. |
| fastForest | Skapar en lista som innehåller funktionsnamnet och argumenten för att träna en Fast Forest-modell med rxEnsemble. |
| fastLinear | Skapar en lista som innehåller funktionsnamnet och argumenten för att träna en Fast Linear modell med rxEnsemble. |
| logisticRegression | Skapar en lista som innehåller funktionsnamnet och argumenten för att träna en logistisk regressionsmodell med rxEnsemble. |
| oneClassSvm | Skapar en lista som innehåller funktionsnamnet och argument för att träna en OneClassSvm-modell med rxEnsemble. |
7-Neurala nätverksfunktioner
| Funktionsnamn | Description |
|---|---|
| optimeringsverktyg | Specificerar optimeringsalgoritmer för rxNeuralNet-maskininlärningsalgoritmen . |
8-pakets tillståndsfunktioner
| Funktionsnamn | Description |
|---|---|
| rxHashEnv | Ett miljöobjekt som används för att lagra paketomfattande tillstånd. |
Hur man använder MicrosoftML
Funktioner i MicrosoftML kan anropas i R-kod inkapslad i lagrade procedurer. De flesta utvecklare bygger MicrosoftML-lösningar lokalt och migrerar sedan färdig R-kod till lagrade procedurer som en implementeringsövning.
MicrosoftML-paketet för R installeras "direkt ur lådan" i SQL Server 2017.
Paketet laddas inte som standard. Som ett första steg, ladda MicrosoftML-paketet och sedan RevoScaleR om du behöver använda fjärrberäkningskontexter eller relaterade anslutningar eller datakällobjekt. Referera sedan till de enskilda funktioner du behöver.
library(microsoftml);
library(RevoScaleR);
logisticRegression(args);