text stringlengths 0 3.99k | embedding listlengths 768 768 | metadata dict |
|---|---|---|
40 5 0 0
2 2013 3 10 456 1 0 0
3 2014 3 31 38 2 0 0
4 2014 4 24 23 5 0 0
.. ... ... ... ... ... ... ...
448 2013 2 19 57 3 0 ... | [
-0.00037850672379136086,
-0.019056029617786407,
0.0063139828853309155,
-0.03934686258435249,
0.011046834290027618,
0.054335396736860275,
0.05214932933449745,
0.02991262450814247,
-0.023313794285058975,
-0.004979689139872789,
0.024195808917284012,
-0.007208626717329025,
-0.07211651653051376,
... | {
"azure_component": "storage",
"chunk_index": 5765,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4210",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
1
451 2014 3 26 50 4 0 1
452 2015 12 6 377 1 0 1
[453 rows x 7 columns] | [
-0.029920263215899467,
-0.018516188487410545,
-0.008360570296645164,
-0.02400209754705429,
0.060292940586805344,
0.036268189549446106,
0.023849572986364365,
0.014544635079801083,
-0.018933074548840523,
-0.02519736997783184,
0.02130727842450142,
-0.01676149107515812,
-0.056465793401002884,
... | {
"azure_component": "storage",
"chunk_index": 5766,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4210",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Filtrez les colonnes de la trame de données pour supprimer celles que nous ne voulons
pas utiliser dans l’entraînement. Rentalcount ne doit pas être inclus, car il s’agit de la
cible des prédictions.
Python
Notez les données à laquelle le jeu d’entraînement aura accès :
results
Dans la deuxième partie de cette série d... | [
0.001121670356951654,
0.0008434334304183722,
-0.004228759557008743,
-0.0011810580035671592,
0.062400978058576584,
0.016198286786675453,
0.047029778361320496,
0.030858302488923073,
-0.06404520571231842,
-0.035416144877672195,
-0.041779641062021255,
-0.02457214519381523,
-0.06042487546801567,
... | {
"azure_component": "storage",
"chunk_index": 5767,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4211",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Yes
No | [
0.03601188212633133,
-0.008037752471864223,
0.019099706783890724,
0.029923146590590477,
0.04533195123076439,
0.03804007172584534,
0.0002794774773065001,
0.05272362008690834,
-0.012902290560305119,
-0.032278064638376236,
-0.025036146864295006,
0.018670735880732536,
-0.053497593849897385,
0.... | {
"azure_component": "storage",
"chunk_index": 5768,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4212",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Effectuer
l’apprentissage d’un modèle de
régression linéaire avec l’apprentissage
automatique SQL
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la troisième partie de cette série de tutoriels qui en compte quatre, vous allez
effec... | [
0.025219326838850975,
-0.00957765243947506,
-0.01584579050540924,
-0.0062471372075378895,
0.05819128081202507,
0.0337156280875206,
0.05020802095532417,
0.04217851534485817,
-0.038523655384778976,
-0.05867261439561844,
-0.03624412789940834,
0.0022098177578300238,
-0.07853646576404572,
0.029... | {
"azure_component": "storage",
"chunk_index": 5769,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4213",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
sous-ensemble du jeu de données complet de la trame de données pandas df que vous
avez créée dans la deuxième partie de cette série.
Vous allez effectuer l’apprentissage du modèle lin_model à l’aide d’un algorithme de
régression linéaire.
Python
Vous devez obtenir des résultats similaires à ce qui suit :
results
Util... | [
0.011950654909014702,
0.04113641008734703,
-0.02327292039990425,
0.009821801446378231,
0.08476374298334122,
0.0491563118994236,
0.003042866475880146,
0.030857428908348083,
-0.020244315266609192,
-0.049456704407930374,
-0.016054630279541016,
-0.007894393987953663,
-0.06808076798915863,
0.02... | {
"azure_component": "storage",
"chunk_index": 5770,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4214",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Vous devez obtenir des résultats similaires à ce qui suit :
results
Dans la troisième partie de cette série de tutoriels, vous avez effectué les étapes
suivantes :
Effectuer l’apprentissage d’un modèle de régression linéaire
Élaborer des prédictions à l’aide d’un modèle de régression linéaire
Pour déployer... | [
-0.0024240976199507713,
0.020943885669112206,
-0.022186903282999992,
0.011525558307766914,
0.05932506546378136,
0.08502689003944397,
0.05356047302484512,
0.023095499724149704,
-0.043948348611593246,
-0.03507426753640175,
-0.005425216630101204,
-0.0006887605995871127,
-0.055690947920084,
0.... | {
"azure_component": "storage",
"chunk_index": 5771,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4215",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
120.2305587 196.60802649 117.00616326 173.20010759 89.9563518
92.11048236 120.91052805 175.47818992 129.65196995 120.97443971
175.95863082 127.24800008 135.05866542 206.49627783 91.63004147
115.78280925 208.92841718 213.5137192 212.83278197 96.74415948
95.1324457 199.9089665 206.10791806 126.16510228 120.0... | [
0.0040091825649142265,
0.0003707713622134179,
-0.035434331744909286,
0.010187003761529922,
0.05631722882390022,
0.05838194489479065,
0.04457826167345047,
0.026651844382286072,
0.005862758029252291,
-0.03978857770562172,
-0.016022583469748497,
-0.00622386671602726,
-0.06412114202976227,
0.0... | {
"azure_component": "storage",
"chunk_index": 5772,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4215",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Yes
No | [
0.03283706307411194,
-0.00036702005309052765,
0.0161193385720253,
0.039732981473207474,
0.05583352595567703,
0.04827972874045372,
0.004336146637797356,
0.057036660611629486,
-0.00681354571133852,
-0.03141588717699051,
-0.019314909353852272,
0.014121145009994507,
-0.04207348823547363,
0.012... | {
"azure_component": "storage",
"chunk_index": 5773,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4216",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Déployer un modèle de
régression linéaire avec le Machine
Learning SQL
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la quatrième partie de cette série de quatre tutoriels, vous allez déployer un
modèle de régression linéaire déve... | [
0.018855562433600426,
-0.02915862947702408,
-0.025764383375644684,
0.010015306994318962,
0.0635695606470108,
0.049262501299381256,
0.04629737511277199,
0.03165994584560394,
-0.03144662082195282,
-0.05173170566558838,
-0.027688076719641685,
-0.004046265967190266,
-0.07716146111488342,
0.047... | {
"azure_component": "storage",
"chunk_index": 5774,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4217",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Exécutez l’instruction T-SQL suivante dans Azure Data Studio pour créer la procédure
stockée afin de former le modèle.
SQL
Créez une table dans la base de données TutorialDB, puis enregistrez le modèle dans la
table.
-- Stored procedure that trains and generates a Python model using the
rental_data and a linear regres... | [
-0.0023502286057919264,
0.022237524390220642,
-0.04041939973831177,
0.015349931083619595,
0.09203416854143143,
0.020908020436763763,
0.018097884953022003,
0.0479985773563385,
-0.01421990804374218,
-0.06948400288820267,
-0.03861413523554802,
-0.024116715416312218,
-0.08367370814085007,
0.04... | {
"azure_component": "storage",
"chunk_index": 5775,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4218",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
1. Exécutez l’instruction T-SQL suivante dans Azure Data Studio pour créer une table
appelée dbo.rental_py_models qui est utilisée pour stocker le modèle.
SQL
2. Enregistrez le modèle dans la table sous la forme d’un objet binaire, avec le nom
du modèle linear_model.
SQL
1. Créez une procédure stockée py_predict_rental... | [
0.009004167281091213,
0.02339125983417034,
-0.03669964522123337,
0.0004286847251933068,
0.09000733494758606,
0.020284384489059448,
0.02611890435218811,
0.0444902740418911,
-0.004590021912008524,
-0.0778147429227829,
-0.05632412061095238,
-0.014104305766522884,
-0.06802479177713394,
0.03815... | {
"azure_component": "storage",
"chunk_index": 5776,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4219",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
2. Créez une table pour stocker les prédictions.
SQL
# Import the scikit-learn function to compute error.
from sklearn.metrics import mean_squared_error
import pickle
import pandas
rental_model = pickle.loads(py_model)
df = rental_score_data
# Get all the columns from the dataframe.
columns = df.columns.tolist()
# Vari... | [
-0.014554225839674473,
0.030022064223885536,
-0.022122282534837723,
0.01417786255478859,
0.08889250457286835,
0.035284481942653656,
0.025967983528971672,
0.04192767292261124,
-0.0349876694381237,
-0.055083416402339935,
-0.020107103511691093,
-0.025715777650475502,
-0.07151532918214798,
0.0... | {
"azure_component": "storage",
"chunk_index": 5777,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4220",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
3. Exécuter la procédure stockée pour prédire le nombre de loyers
SQL
Vous devez obtenir des résultats similaires à ce qui suit :
Vous avez correctement créé, entraîné et déployé un modèle. Vous avez ensuite utilisé
ce modèle dans une procédure stockée pour prédire des valeurs en fonction de
nouvelles données.
Dans la ... | [
-0.014105531387031078,
0.03403680399060249,
-0.017734194174408913,
0.0017040872480720282,
0.08712547272443771,
0.04474564641714096,
0.024534331634640694,
0.020082097500562668,
-0.04101504012942314,
-0.0698179081082344,
-0.02740747667849064,
0.01493593119084835,
-0.06370297819375992,
0.0119... | {
"azure_component": "storage",
"chunk_index": 5778,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4221",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Exécuter le modèle avec de nouvelles données
Pour en savoir plus sur l’utilisation de Python avec le Machine Learning SQL, consultez :
Didacticiels Python
Yes
No | [
0.03949636220932007,
-0.0008043989073485136,
-0.005131230689585209,
0.021918905898928642,
0.06009389087557793,
0.03833480551838875,
0.019416948780417442,
0.05240171030163765,
-0.023302927613258362,
-0.04298267513513565,
-0.030304815620183945,
0.009996900334954262,
-0.0715559720993042,
0.00... | {
"azure_component": "storage",
"chunk_index": 5779,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4222",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Catégoriser des clients
à l’aide de k-moyennes avec
l’apprentissage automatique SQL
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans cette série de quatre tutoriels, utilisez Python pour développer et déployer un
modèle de clustering... | [
0.002562820678576827,
-0.02607557736337185,
-0.016999240964651108,
0.021620813757181168,
0.052185945212841034,
0.034305863082408905,
0.041366249322891235,
0.0352136567234993,
-0.019074300304055214,
-0.04290008172392845,
-0.03949335217475891,
-0.01446714997291565,
-0.06175312027335167,
0.03... | {
"azure_component": "storage",
"chunk_index": 5780,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4223",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
des groupes spécifiques. Le clustering K-myennes est un algorithme
d’apprentissage non supervisé qui recherche des modèles dans les données en fonction
de similarités.
Dans cet article, découvrez comment :
Dans la deuxième partie, découvrez comment préparer les données à partir d’une base
de données pour effectuer le c... | [
-0.02779790386557579,
-0.02458961121737957,
-0.01386303175240755,
0.009115817956626415,
0.039842043071985245,
0.04094836115837097,
0.007106457371264696,
0.0012638135813176632,
-0.04285931959748268,
-0.016943318769335747,
-0.0073974523693323135,
-0.01186322420835495,
-0.045266710221767426,
... | {
"azure_component": "storage",
"chunk_index": 5781,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4223",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Dans la quatrième partie, découvrez comment créer une procédure stockée dans une
base de données qui est en mesure d’effectuer un clustering en Python en fonction de
nouvelles données.
Azure SQL Managed Instance Machine Learning Services. Pour plus d’informations,
consultez Présentation de Machine Learning Services dan... | [
0.035266757011413574,
-0.01474533136934042,
-0.026171458885073662,
0.04757702350616455,
0.0676647499203682,
0.046124134212732315,
0.026776708662509918,
0.0421796552836895,
-0.007560280617326498,
-0.04520349204540253,
-0.05836735665798187,
-0.02636854350566864,
-0.06305050104856491,
0.04153... | {
"azure_component": "storage",
"chunk_index": 5782,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4224",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
2. Suivez les instructions de Restauration d’une base de données sur SQL Managed
Instance dans SQL Server Management Studio, en utilisant les informations
suivantes :
Importez à partir du fichier... | [
0.0061339144594967365,
-0.013191480189561844,
-0.010650478303432465,
0.013920994475483894,
0.05760791897773743,
-0.00025322340661659837,
0.004285107832401991,
0.07785307615995407,
-0.04066399857401848,
-0.03720828518271446,
-0.04231645166873932,
0.007045971229672432,
-0.058099739253520966,
... | {
"azure_component": "storage",
"chunk_index": 5783,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4225",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Préparer les données
pour classer les clients par catégorie
avec le Machine Learning SQL
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la deuxième partie de cette série de quatre tutoriels, vous allez restaurer et
préparer des don... | [
0.004044651053845882,
-0.02303176186978817,
-0.010749592445790768,
0.035012781620025635,
0.06453181803226471,
0.03330637514591217,
0.04327511787414551,
0.037471700459718704,
-0.03284667804837227,
-0.042855724692344666,
-0.042410869151353836,
-0.0026917620562016964,
-0.06820598244667053,
0.... | {
"azure_component": "storage",
"chunk_index": 5784,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4226",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
commandes)
itemsRatio = retourne le taux d’éléments (nombre total d’éléments retournés par
rapport au nombre d’éléments achetés)
monetaryRatio = retourne le taux des montants (montant monétaire total des
éléments retournés par rapport au montant acheté)
frequency = fréquence de retour
Ouvrez un nouveau bloc-notes dans ... | [
-0.015494916588068008,
0.0028408009093254805,
-0.013613522052764893,
0.00810615997761488,
0.07514207065105438,
0.05790090188384056,
-0.006856983527541161,
0.06843265891075134,
-0.03280853107571602,
-0.08433385193347931,
-0.017300961539149284,
-0.018648257479071617,
-0.06819001585245132,
0.... | {
"azure_component": "storage",
"chunk_index": 5785,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4227",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Les résultats de la requête sont renvoyés à Python à l’aide de la fonction Pandas
read_sql. Dans le cadre du processus, vous utiliserez les informations de colonne que
vous avez définies dans le script précédent.
Python
À présent, affichez le début de la trame de données pour vérifier qu’elle semble
correcte.
Python
re... | [
-0.017500771209597588,
0.024370651692152023,
-0.00896189920604229,
-0.015868250280618668,
0.04066276177763939,
0.059306442737579346,
0.005627892911434174,
0.061721183359622955,
-0.02292231284081936,
-0.021726304665207863,
0.015589199028909206,
-0.009305211715400219,
-0.055649153888225555,
... | {
"azure_component": "storage",
"chunk_index": 5786,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4228",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Si vous ne poursuivez pas ce tutoriel, supprimez la base de données tpcxbb_1gb.
Dans la deuxième partie de cette série de tutoriels, vous avez effectué les étapes
suivantes :
Séparer des clients ... | [
0.031089868396520615,
-0.017924733459949493,
-0.01335843838751316,
0.005745629779994488,
0.03650335595011711,
0.05102116987109184,
-0.007660781964659691,
0.06068737804889679,
-0.038586392998695374,
-0.022200416773557663,
-0.020031489431858063,
-0.006513522006571293,
-0.06577363610267639,
0... | {
"azure_component": "storage",
"chunk_index": 5787,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4229",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Créer un modèle pour
classer les clients par catégorie avec
l’apprentissage automatique SQL
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la troisième partie de cette série de tutoriels qui en compte quatre, vous allez créer
un mo... | [
0.0036234708968549967,
-0.02390786074101925,
-0.010215453803539276,
0.01689242385327816,
0.05178586021065712,
0.02950952760875225,
0.03927512839436531,
0.03884317725896835,
-0.03205611929297447,
-0.049749139696359634,
-0.02933630906045437,
-0.028201907873153687,
-0.07251047343015671,
0.042... | {
"azure_component": "storage",
"chunk_index": 5788,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4230",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
L’algorithme accepte deux entrées : les données elles-mêmes et un nombre prédéfini
« k » représentant le nombre de clusters à générer. En sortie, vous obtenez k clusters et
les données d’entrée sont partitionnées entre les clusters.
L’objectif de K-moyennes est de regrouper les éléments en k clusters de telle sorte que... | [
-0.03108639270067215,
-0.000025789677238208242,
-0.04175441339612007,
-0.008318622596561909,
0.04378797113895416,
0.04829108715057373,
-0.0008921074331738055,
0.04405568540096283,
-0.028537828475236893,
-0.030201084911823273,
-0.02413199096918106,
-0.032348696142435074,
-0.013148431666195393... | {
"azure_component": "storage",
"chunk_index": 5789,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4231",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
D’après le graphique, il semble que k = 4 serait une bonne valeur à tester. Cette valeur k
regroupe les clients dans quatre clusters.
Dans le script Python ci-dessous, vous allez utiliser la fonction KMeans du package
sklearn.
Python
Effectuer le clustering
##############################################################... | [
-0.008053983561694622,
0.000287424074485898,
0.015355966985225677,
0.01473752036690712,
0.03127804398536682,
0.06072056293487549,
-0.006260117050260305,
0.04118254408240318,
-0.027281085029244423,
-0.038697291165590286,
-0.009623372927308083,
-0.046265702694654465,
-0.061018723994493484,
0... | {
"azure_component": "storage",
"chunk_index": 5790,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4232",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Maintenant que vous avez effectué le clustering à l’aide de K-moyennes, la prochaine
étape consiste à analyser le résultat et à voir si vous pouvez trouver des informations
exploitables.
Examinez les valeurs moyennes du clustering et les tailles de cluster imprimées à partir
du script précédent.
results
Les moyennes de... | [
-0.04421690106391907,
-0.01505272462964058,
-0.008579145185649395,
-0.014596065506339073,
0.04414119943976402,
0.04635913670063019,
-0.010602865368127823,
0.0528261698782444,
-0.0651625543832779,
-0.033094845712184906,
-0.02755763754248619,
-0.006227926816791296,
-0.05947732552886009,
0.04... | {
"azure_component": "storage",
"chunk_index": 5791,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4233",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
L’exploration de données avec K-moyennes demande souvent une analyse plus
approfondie des résultats ainsi que des étapes supplémentaires pour mieux comprendre
chaque cluster, mais cela peut donne... | [
0.007317065726965666,
-0.04342637211084366,
-0.008762724697589874,
0.015733610838651657,
0.03204729035496712,
0.0381796658039093,
0.0058018979616463184,
0.06818404793739319,
-0.03152833133935928,
-0.015272841788828373,
-0.02937750332057476,
-0.01876155473291874,
-0.0595284067094326,
0.0225... | {
"azure_component": "storage",
"chunk_index": 5792,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4234",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Déployer un modèle
pour classer les clients par catégorie
avec l’apprentissage automatique SQL
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la quatrième partie de cette série de quatre tutoriels, vous allez déployer un
modèle de ... | [
0.013068377040326595,
-0.02153332345187664,
-0.01899668388068676,
0.024156847968697548,
0.05759696289896965,
0.03857984021306038,
0.02891252003610134,
0.053767990320920944,
-0.028355494141578674,
-0.0724647268652916,
-0.03774874657392502,
-0.014597478322684765,
-0.07443561404943466,
0.0344... | {
"azure_component": "storage",
"chunk_index": 5793,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4235",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
partie et la troisième partie.
Exécutez le script T-SQL suivant pour créer la procédure stockée. La procédure recrée les
étapes que vous avez développées dans les parties 1 et 2 de cette série de tutoriels :
classer les clients en fonction de leur historique d’achat et de retour
générer quatre clusters de clients à l’a... | [
-0.03427873179316521,
0.003093420760706067,
0.0003607664257287979,
-0.006137283984571695,
0.042511943727731705,
0.059933289885520935,
0.0162093173712492,
0.06507153809070587,
-0.036276403814554214,
-0.07700026035308838,
0.0010468874825164676,
-0.004395801108330488,
-0.041526976972818375,
0... | {
"azure_component": "storage",
"chunk_index": 5794,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4236",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Maintenant que vous avez créé la procédure stockée, exécutez le script suivant pour
effectuer le clustering à l’aide de la procédure.
SQL
(
SELECT
sr_customer_sk,
-- return order ratio
count(distinct(sr_ticket_number)) as returns_count,
-- return ss_item_sk ratio
COUNT(sr_item_sk) as... | [
-0.024236280471086502,
0.025962945073843002,
0.020348533987998962,
-0.025499165058135986,
0.055275265127420425,
0.05584710091352463,
-0.006942466367036104,
0.05970102921128273,
-0.03082752786576748,
-0.043970465660095215,
-0.006249636877328157,
-0.007200420834124088,
-0.048175305128097534,
... | {
"azure_component": "storage",
"chunk_index": 5795,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4237",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Étant donné que vous avez stocké la procédure de clustering dans la base de données,
elle peut effectuer efficacement le clustering sur les données client stockées dans la
même base de données. Vous pouvez exécuter la procédure chaque fois que vos
données client sont mises à jour et utiliser les informations de cluster... | [
-0.022589966654777527,
0.002171071246266365,
-0.010793606750667095,
-0.0008186496561393142,
0.06342767924070358,
0.06678763031959534,
-0.016499090939760208,
0.05783766135573387,
-0.03326918184757233,
-0.039170339703559875,
-0.014419124461710453,
-0.005006889812648296,
-0.06244700029492378,
... | {
"azure_component": "storage",
"chunk_index": 5796,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4238",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Vous pouvez modifier la valeur c.cluster pour renvoyer les adresses de messagerie des
clients se trouvant dans d’autres clusters.
Une fois ce tutoriel terminé, supprimez la base de données tpcxbb... | [
0.019985290244221687,
-0.020031146705150604,
-0.016360700130462646,
0.003867784747853875,
0.05340047925710678,
0.040324147790670395,
-0.0035210081841796637,
0.07873336970806122,
-0.02969866618514061,
-0.045570503920316696,
-0.04103653132915497,
-0.019174836575984955,
-0.07717713713645935,
... | {
"azure_component": "storage",
"chunk_index": 5797,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4239",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Prédire les tarifs des
taxis de New York avec classification
binaire
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans ce tutoriel en cinq parties destiné aux programmeurs SQL, vous allez vous
familiariser avec l’intégration de Python... | [
-0.0005291181732900441,
-0.03114779107272625,
-0.012828657403588295,
0.042172499001026154,
0.05511968955397606,
0.016540905460715294,
0.028517521917819977,
0.051243651658296585,
-0.005177046172320843,
-0.059816423803567886,
-0.02401742711663246,
-0.006919709499925375,
-0.08446825295686722,
... | {
"azure_component": "storage",
"chunk_index": 5798,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4240",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
données et effectuer l’apprentissage d’un modèle
Machine Learning. Ensuite, dans les parties quatre et cinq, vous exécuterez ces scripts
Python à l’intérieur de la base de données à l’aide de procédures stockées T-SQL.
Dans cet article, vous allez :
Dans la partie deux, vous explorez les exemples de données et générez ... | [
-0.008053542114794254,
-0.007798125967383385,
-0.04100377857685089,
0.00011101246491307393,
0.06884127855300903,
0.014170664362609386,
0.029105911031365395,
0.02943030185997486,
-0.030375367030501366,
-0.05095214024186134,
-0.018069952726364136,
0.022453753277659416,
-0.0690496638417244,
0... | {
"azure_component": "storage",
"chunk_index": 5799,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4240",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
partir d’une procédure stockée pour créer une table qui contient les valeurs des
caractéristiques.
Dans la quatrième partie, vous chargez les modules et appelez les fonctions nécessaires
pour créer et entraîner le modèle à l’aide d’une procédure stockée SQL Server.
Dans la cinquième partie, vous apprendrez à rendre opé... | [
-0.017389802262187004,
-0.0020307914819568396,
-0.028443679213523865,
0.016795244067907333,
0.05692896619439125,
0.028124338015913963,
0.0006172108696773648,
0.047846198081970215,
-0.03206859156489372,
-0.04872153326869011,
-0.026344923302531242,
-0.0035063016694039106,
-0.05058447644114494,... | {
"azure_component": "storage",
"chunk_index": 5800,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4241",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
entièrement testé, vous pouvez facilement le déployer sur SQL Server à l’aide de
procédures stockées Transact-SQL dans l’environnement familier d’Azure Data Studio ou
Management Studio. L’encapsu... | [
0.04111025854945183,
0.019672637805342674,
-0.005749415140599012,
0.014452696777880192,
0.06539537012577057,
0.018873585388064384,
0.01962531916797161,
0.06886214762926102,
-0.003820838173851371,
-0.06664403527975082,
-0.041506532579660416,
-0.024962831288576126,
-0.06511102616786957,
0.00... | {
"azure_component": "storage",
"chunk_index": 5801,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4242",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Explorer et visualiser
des données
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la deuxième des cinq parties de notre tutoriel, vous explorez les exemples de
données et générez des tracés. Plus tard, vous allez apprendre à sérial... | [
-0.013558054342865944,
-0.021116353571414948,
-0.004287390969693661,
0.009408872574567795,
0.06146679073572159,
0.0011421442031860352,
0.037229087203741074,
0.06856986880302429,
-0.01769324205815792,
-0.09126806259155273,
-0.017672663554549217,
-0.02731044590473175,
-0.06924673169851303,
0... | {
"azure_component": "storage",
"chunk_index": 5802,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4243",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
enregistrements
de trajets ont été fournis dans des fichiers distincts. Nous avons joint les deux jeux
de données d’origine sur les colonnes medallion, hack_license, et pickup_datetime.
Le jeu de données d’origine est réparti sur de nombreux fichiers et était assez
volumineux. Les enregistrements ont aussi été échantil... | [
-0.0018567630322650075,
-0.00048142686136998236,
-0.0009426241740584373,
0.0006493608234450221,
0.07716339826583862,
0.013734458945691586,
0.05446052923798561,
0.05054942145943642,
-0.03476164489984512,
-0.03861406072974205,
-0.011075526475906372,
0.005691614467650652,
-0.03441089391708374,
... | {
"azure_component": "storage",
"chunk_index": 5803,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4243",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
seulement 1 % du nombre d’enregistrements d’origine. La table de données
actuelle contient 1 703 957 lignes et 23 colonnes.
Identificateurs de taxis
La colonne medallion représente le numéro identifiant unique du taxi.
La colonne hack_license contient le numéro de licence du conducteur du taxi (anonyme).
Enregistrement... | [
-0.02334509789943695,
-0.01080847904086113,
0.02027062326669693,
-0.00925799272954464,
0.05690610781311989,
0.04732393100857735,
0.03552832826972008,
0.03858312964439392,
-0.03002462163567543,
-0.06479886174201965,
-0.0018397356616333127,
-0.019652901217341423,
-0.050176531076431274,
0.011... | {
"azure_component": "storage",
"chunk_index": 5804,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4244",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Le développement d’une solution de science des données comprend généralement
l’exploration et la visualisation des données. La visualisation étant un outil tellement
puissant pour comprendre la distribution des données et des valeurs hors norme,
Python fournit de nombreux packages de visualisation de données. Le module... | [
0.011793160811066628,
0.0014030669117346406,
-0.017849087715148926,
-0.010347661562263966,
0.05016722157597542,
0.024415865540504456,
-0.010304013267159462,
0.03219153732061386,
-0.06002267822623253,
-0.0571148581802845,
-0.036433394998311996,
-0.015346028842031956,
-0.057687908411026,
0.0... | {
"azure_component": "storage",
"chunk_index": 5805,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4245",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
l’histogramme et le nuage de points. Ces objets sont ensuite
sérialisés à l’aide de la bibliothèque pickle .
L’objet graphique Python est sérialisé en DataFrame pandas pour la sortie.
SQL
Créer un tracé en tant que données varbinary
DROP PROCEDURE IF EXISTS PyPlotMatplotlib;
GO
CREATE PROCEDURE [dbo].[PyPlotMatplotlib]... | [
-0.03780961409211159,
-0.008337676525115967,
0.004380006343126297,
0.00571279926225543,
0.04848143830895424,
0.044296689331531525,
-0.011972346343100071,
0.021293846890330315,
-0.044735196977853775,
-0.0897878110408783,
-0.007156991865485907,
-0.03890679031610489,
-0.07721178233623505,
0.0... | {
"azure_component": "storage",
"chunk_index": 5806,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4245",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
2. À présent, exécutez la procédure stockée sans argument pour générer un tracé à
partir des données codées en dur en tant que requête d’entrée.
SQL
@language = N'Python',
@script = N'
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import pandas as pd
import pickle
fig_handle = plt.figu... | [
-0.026159077882766724,
0.019427437335252762,
-0.014898652210831642,
-0.002765101846307516,
0.06405943632125854,
0.04667867720127106,
-0.013338236138224602,
0.025502076372504234,
-0.037933915853500366,
-0.08910807967185974,
-0.016197538003325462,
-0.024072732776403427,
-0.05115051940083504,
... | {
"azure_component": "storage",
"chunk_index": 5807,
"contains_sku": true,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4246",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
3. Les résultats doivent se présenter comme suit :
SQL
4. À partir d’un client Python, vous pouvez maintenant vous connecter à l’instance
SQL Server qui a généré les objets de tracé binaire et afficher les tracés.
Pour ce faire, exécutez le code Python suivant, en remplaçant le nom du serveur, le
nom de la base de donn... | [
-0.03065698966383934,
0.013865184038877487,
-0.037133198231458664,
-0.007794187404215336,
0.05305960029363632,
0.012972296215593815,
0.0019643206615000963,
0.05284472182393074,
-0.028470084071159363,
-0.0720323845744133,
-0.040986720472574234,
-0.029119687154889107,
-0.07882403582334518,
-... | {
"azure_component": "storage",
"chunk_index": 5808,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4247",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
6. Le fichier de sortie est créé dans le répertoire de travail Python. Pour afficher le
tracé, localisez le répertoire de travail Python, puis ouvrez le fichier. L’illustration
suivante montre un... | [
0.051052264869213104,
-0.0051495470106601715,
-0.0018436547834426165,
-0.013614865951240063,
0.04272352531552315,
0.015434072352945805,
0.02097640000283718,
0.056231021881103516,
-0.02403261698782444,
-0.04650591313838959,
-0.027501236647367477,
-0.004727801773697138,
-0.069568932056427,
0... | {
"azure_component": "storage",
"chunk_index": 5809,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4248",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Créer des
caractéristiques de données à l’aide de
T-SQL
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans cette troisième des cinq parties du tutoriel, vous allez découvrir comment créer
des caractéristiques à partir de données brutes... | [
0.01006865594536066,
-0.013490356504917145,
-0.028954023495316505,
0.015123887918889523,
0.05837610736489296,
0.03301320970058441,
0.046274974942207336,
0.05634022504091263,
-0.014094437472522259,
-0.07054145634174347,
-0.006645961664617062,
-0.022792305797338486,
-0.07376149296760559,
0.0... | {
"azure_component": "storage",
"chunk_index": 5810,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4249",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
en charge et de dépose, en utilisant les coordonnées disponibles dans le dataset
source « NYC Taxi ». Vous pouvez pour cela utiliser la formule de Haversine
dans une
fonction Transact-SQL personnalisée.
Modifier une fonction personnalisée pour calculer la distance du trajet
＂
Enregistrer les fonctionnalités à l’aide d... | [
-0.014174479059875011,
-0.011156361550092697,
0.0022716631647199392,
0.01608966663479805,
0.060204651206731796,
0.03559998422861099,
0.016029154881834984,
0.022597573697566986,
-0.0092756487429142,
-0.0527331568300724,
0.012343401089310646,
-0.003988977521657944,
-0.07109325379133224,
-0.0... | {
"azure_component": "storage",
"chunk_index": 5811,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4249",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Vous allez utiliser une fonction T-SQL personnalisée, fnCalculateDistance, pour calculer
la distance à l’aide de la formule de Haversine, et utiliser une seconde fonction T-SQL
personnalisée, fnEngineerFeatures, pour créer une table contenant toutes les
caractéristiques.
La fonction fnCalculateDistance est incluse dans... | [
-0.007610023953020573,
0.007276993244886398,
0.00915132649242878,
-0.021920206025242805,
0.07843279838562012,
0.03458297252655029,
-0.02375148981809616,
0.035218071192502975,
-0.01074639055877924,
-0.053576018661260605,
-0.0032118093222379684,
-0.012400146573781967,
-0.04946273937821388,
0... | {
"azure_component": "storage",
"chunk_index": 5812,
"contains_sku": true,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4250",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
La fonction est une fonction scalaire qui retourne une valeur de données unique
d’un type prédéfini.
La fonction accepte des valeurs de latitude et de longitude comme entrées,
obtenues à partir des adresses de départ et d’arrivée des passagers. La formule de
Haversine convertit les emplacements en radians et utilise ce... | [
-0.032174307852983475,
0.0012686174595728517,
0.04281195253133774,
-0.02281542308628559,
0.06591136008501053,
0.026310384273529053,
0.00937435869127512,
0.04715222492814064,
-0.01995612494647503,
-0.0594201423227787,
-0.017397411167621613,
-0.015261298976838589,
-0.052344221621751785,
0.00... | {
"azure_component": "storage",
"chunk_index": 5813,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4251",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Pour vérifier que cette fonction fonctionne, vous pouvez l’utiliser pour calculer la
distance géographique pour les trajets où la distance au compteur était égale à 0, mais
où les lieux de prise ... | [
0.014372657984495163,
0.011854579672217369,
0.005905414465814829,
0.019830631092190742,
0.06293489038944244,
0.03581543266773224,
0.021712979301810265,
0.0870588943362236,
0.0004780666495207697,
-0.03834615275263786,
-0.0034581029321998358,
-0.022702384740114212,
-0.06525057554244995,
0.02... | {
"azure_component": "storage",
"chunk_index": 5814,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4252",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Entraîner et enregistrer
un modèle Python à l’aide de T-SQL
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la quatrième des cinq parties de ce tutoriel, vous allez apprendre à entraîner un
modèle de Machine Learning à l’aide des pa... | [
0.023461613804101944,
-0.03563310205936432,
-0.022564776241779327,
0.02319272793829441,
0.05010048300027847,
-0.001558728632517159,
0.04938369616866112,
0.04360852763056755,
-0.015543008223176003,
-0.05103622376918793,
-0.053283654153347015,
0.0034557695034891367,
-0.05887448415160179,
0.0... | {
"azure_component": "storage",
"chunk_index": 5815,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4253",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Créez une procédure stockée appelée PyTrainTestSplit pour diviser les données de
la table nyctaxi_sample en deux parties : nyctaxi_sample_training et
Créer et effectuer l’apprentissage d’un modèle à l’aide d’une procédure stockée
SQL
＂
Enregistrer le modèle formé dans une table SQL
＂
Diviser les exemples de données dan... | [
0.007455412298440933,
0.013494537211954594,
-0.032365188002586365,
0.04667907953262329,
0.07356838136911392,
0.03310251608490944,
0.011073225177824497,
0.013053051196038723,
-0.010110740549862385,
-0.04553942754864693,
-0.010510561987757683,
-0.0014171425718814135,
-0.08631739765405655,
0.... | {
"azure_component": "storage",
"chunk_index": 5816,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4253",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
nyctaxi_sample_testing.
Exécutez le code suivant pour la créer :
SQL
2. Pour diviser vos données à l’aide d’un fractionnement personnalisé, exécutez la
procédure stockée et fournissez un paramètre de type entier qui représente le
pourcentage de données à allouer au jeu d’apprentissage. Par exemple,
l’instruction suivan... | [
-0.0071157729253172874,
-0.004281233064830303,
-0.050167396664619446,
0.03181687742471695,
0.07450220733880997,
0.016766265034675598,
0.025704393163323402,
0.04675745218992233,
0.008585791103541851,
-0.06480573117733002,
-0.021027402952313423,
-0.02606477588415146,
-0.10317403823137283,
-0... | {
"azure_component": "storage",
"chunk_index": 5817,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4254",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Chaque procédure stockée utilise les données d’entrée que vous fournissez pour créer
et entraîner un modèle de régression logistique. Tout le code Python est enveloppé
dans la procédure stockée système, sp_execute_external_script.
Pour faciliter un nouvel apprentissage du modèle sur les nouvelles données, vous
envelopp... | [
-0.02612987346947193,
0.028560400009155273,
-0.03561810404062271,
0.011052703484892845,
0.07269050925970078,
0.05582607537508011,
0.009324557147920132,
0.039098042994737625,
-0.04617040231823921,
-0.0824185460805893,
-0.01394688617438078,
0.0043179187923669815,
-0.06377138197422028,
0.0154... | {
"azure_component": "storage",
"chunk_index": 5818,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4255",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
2. Exécutez les instructions SQL suivantes pour insérer le modèle formé dans la table
nyc_taxi_models.
SQL
Le traitement des données et l’ajustement du modèle peuvent durer quelques
minutes. Les messages éventuellement redirigés vers le flux stdout de Python sont
affichés dans la fenêtre Messages de Management Studio. ... | [
-0.03928312659263611,
0.018866142258048058,
-0.019575510174036026,
0.027661608532071114,
0.05168825015425682,
0.023916540667414665,
0.026746716350317,
0.0617399737238884,
-0.007128745783120394,
-0.06592270731925964,
-0.022396737709641457,
0.007716799154877663,
-0.0637446790933609,
-0.01036... | {
"azure_component": "storage",
"chunk_index": 5819,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4256",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
entraîner des modèles prédictifs à l’aide d’algorithmes populaires tels que la régression
logistique et linéaire, les arbres de décision, etc. Pour plus d’informations, consultez le
module revoscalepy dans SQL Server et la référence de fonction revoscalepy.
1. Dans Management Studio, ouvrez une nouvelle fenêtre de Requ... | [
-0.03302999585866928,
-0.010043670423328876,
-0.015853211283683777,
0.01580548658967018,
0.0801406130194664,
0.028759349137544632,
0.04180406033992767,
0.044222984462976456,
-0.04562750086188316,
-0.057169608771800995,
-0.03452453389763832,
0.022245701402425766,
-0.07054059952497482,
-0.00... | {
"azure_component": "storage",
"chunk_index": 5820,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4257",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
La requête SELECT applique la fonction scalaire personnalisée
fnCalculateDistance pour calculer la distance directe entre les points de prise
en charge et de dépose. Les résultats de la requête sont stockés dans la
variable d’entrée Python par défaut, InputDataset .
La variable binaire tipped est utilisée comme étiquet... | [
-0.044158514589071274,
0.0003022437740582973,
-0.0011470329482108355,
-0.005939560942351818,
0.060241881757974625,
0.059521593153476715,
0.004133007023483515,
0.07188068330287933,
-0.032198429107666016,
-0.08539330214262009,
0.012389966286718845,
-0.014588166028261185,
-0.08213069289922714,
... | {
"azure_component": "storage",
"chunk_index": 5821,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4258",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Dans partie suivante de ce tutoriel, vous allez utiliser le modèle entraîné pour créer des
prédictions.
Dans cet article, vous découvrirez comment :
Étapes suivantes
Créer et effectuer l’apprenti... | [
0.027399400249123573,
0.020034605637192726,
-0.008338162675499916,
0.0015805988805368543,
0.04906763881444931,
0.03897051140666008,
0.010742301121354103,
0.08123371750116348,
-0.010415191762149334,
-0.03636658936738968,
-0.028380505740642548,
0.01628848724067211,
-0.07366389036178589,
0.00... | {
"azure_component": "storage",
"chunk_index": 5822,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4259",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel Python : Exécuter des
prédictions avec un script Python
incorporé dans une procédure stockée
Article • 02/01/2025
S’applique à :
SQL Server 2017 (14.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la cinquième et dernière partie de ce tutoriel, vous apprendrez à rendre
opérationnel le modèle que ... | [
0.00701281800866127,
-0.0009644079254940152,
-0.016186360269784927,
-0.012763365171849728,
0.07372543215751648,
0.022152168676257133,
0.040899209678173065,
0.0409369170665741,
-0.028964446857571602,
-0.07946038246154785,
-0.0052775051444768906,
-0.02192680351436138,
-0.07758432626724243,
0... | {
"azure_component": "storage",
"chunk_index": 5823,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4260",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
la première partie, vous avez installé les prérequis et restauré l’exemple de base de
données.
Dans la deuxième partie, vous avez étudié les exemples de données et généré des
tracés.
Dans la troisième partie, vous avez appris à créer des fonctionnalités à partir de données
brutes à l’aide d’une fonction Transact-SQL. E... | [
-0.0033143446780741215,
0.013090437278151512,
-0.006460787262767553,
0.009131625294685364,
0.0823478177189827,
0.009133202023804188,
0.005762903485447168,
0.011294804513454437,
-0.04693663865327835,
-0.07055947929620743,
0.017000574618577957,
-0.00751342810690403,
-0.04140597954392433,
-0.... | {
"azure_component": "storage",
"chunk_index": 5824,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4260",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
partir d’une procédure stockée pour créer une table qui contient les valeurs des
caractéristiques.
Dans la quatrième partie, vous avez chargé les modules et appelé les fonctions
nécessaires pour créer et entraîner le modèle à l’aide d’une procédure stockée SQL
Server.
Les deux premières procédures stockées créées à l’a... | [
-0.019046934321522713,
0.017945168539881706,
-0.049442704766988754,
-0.010571432299911976,
0.0707850232720375,
0.04972425848245621,
-0.022744907066226006,
0.04218244552612305,
-0.03478945419192314,
-0.055978141725063324,
-0.012258309870958328,
-0.0022507670801132917,
-0.053251754492521286,
... | {
"azure_component": "storage",
"chunk_index": 5825,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4261",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
aussi l’étiquette cible (la colonne tipped). Les prédictions n’ont pas
besoin de l’étiquette cible (variable y ), contrairement au calcul des métriques
d’exactitude.
Par conséquent, si vous n’avez pas d’étiquettes cibles pour les données à scorer,
vous pouvez modifier la procédure stockée de façon à supprimer les calcu... | [
-0.017653189599514008,
-0.0038106804713606834,
-0.0012932403478771448,
-0.02373361587524414,
0.04838472977280617,
0.02227500081062317,
0.028965316712856293,
-0.000755476241465658,
-0.036363136023283005,
-0.07054170966148376,
0.015607028268277645,
-0.0024090451188385487,
-0.06928298622369766,... | {
"azure_component": "storage",
"chunk_index": 5826,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4261",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Exécutez les instructions T-SQL suivantes pour créer la procédure stockée
PredictTipSciKitPy . Cette procédure stockée a besoin d’un modèle basé sur le package
scikit-learn, car elle utilise des fonctions propres à ce package.
La trame de données contenant les entrées est transmise à la fonction predict_proba du
modèl... | [
-0.029230641201138496,
0.010305569507181644,
0.0005682248156517744,
0.0005467091104947031,
0.08457273989915848,
0.026185521855950356,
0.01917695254087448,
0.02895551547408104,
-0.02267931029200554,
-0.05811434984207153,
-0.02615129016339779,
-0.012440632097423077,
-0.06200613081455231,
-0.... | {
"azure_component": "storage",
"chunk_index": 5827,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4262",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Exécutez les instructions T-SQL suivantes pour créer la procédure stockée
PredictTipRxPy . Cette procédure stockée utilise les mêmes entrées et crée le même
type de score que la procédure stockée précédente, sauf qu’elle utilise des fonctions du
package revoscalepy fourni avec SQL Server Machine Learning.
SQL
PredictTi... | [
-0.014995387755334377,
0.01888163760304451,
0.007903304882347584,
-0.004553846083581448,
0.08579825609922409,
0.04404899850487709,
0.026363391429185867,
0.02970200404524803,
-0.019241362810134888,
-0.06992199271917343,
-0.017199015244841576,
-0.006249694619327784,
-0.04878199100494385,
-0.... | {
"azure_component": "storage",
"chunk_index": 5828,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4263",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Les procédures stockées PredictTipSciKitPy et PredictTipRxPy ont besoin de deux
paramètres d’entrée :
Requête qui récupère les données pour le scoring
Nom d’un modèle entraîné
En transmettant ces arguments à la procédure stockée, vous pouvez sélectionner un
modèle particulier ou modifier les données utilisées pour le s... | [
-0.03582538291811943,
-0.019342804327607155,
0.000976873328909278,
0.001285181031562388,
0.06401434540748596,
0.037699632346630096,
0.017904330044984818,
0.02541527897119522,
-0.03234650194644928,
-0.08019432425498962,
-0.01951570063829422,
-0.006921213585883379,
-0.0535135492682457,
0.008... | {
"azure_component": "storage",
"chunk_index": 5829,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4264",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Parfois, à la place du scoring par lot, vous souhaiterez peut-être transmettre un seul cas
pour obtenir les valeurs d’une application et retourner un seul résultat basé sur ces
valeurs. Par exemple, vous pouvez configurer une feuille de calcul Excel, une application
web ou un rapport pour appeler la procédure stockée e... | [
-0.012114116922020912,
0.016684958711266518,
-0.014272309839725494,
-0.030610181391239166,
0.05974819138646126,
0.027160534635186195,
-0.006660209037363529,
0.03264473378658295,
-0.031098617240786552,
-0.07941428571939468,
0.002676435047760606,
-0.025513073429465294,
-0.03713351488113403,
... | {
"azure_component": "storage",
"chunk_index": 5830,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4265",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
ligne
７ Notes
Quand vous appelez la procédure stockée à partir d’une application externe, il est
important de fournir toutes les caractéristiques d’entrée dont a besoin le modèle
Python. Pour éviter les erreurs, vous devrez peut-être effectuer un cast ou une
conversion des données d’entrée vers un type de données Pytho... | [
-0.021500004455447197,
-0.00853800680488348,
-0.03660590946674347,
-0.0064519611187279224,
0.07377266138792038,
0.06299944967031479,
0.0073782880790531635,
0.019724901765584946,
-0.04305306077003479,
-0.04513014480471611,
-0.021231846883893013,
0.011980093084275723,
-0.05833043158054352,
0... | {
"azure_component": "storage",
"chunk_index": 5831,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4265",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
SQL
DROP PROCEDURE IF EXISTS PredictTipSingleModeSciKitPy;
GO
CREATE PROCEDURE [dbo].[PredictTipSingleModeSciKitPy] (@model varchar(50),
@passenger_count int = 0,
@trip_distance float = 0,
@trip_time_in_secs int = 0,
@pickup_latitude float = 0,
@pickup_longitude float = 0,
@dropoff_latitude float = 0,
@dro... | [
-0.01758142188191414,
0.01653057523071766,
-0.008810535073280334,
-0.009933272376656532,
0.10913663357496262,
-0.003353425534442067,
0.02279604971408844,
0.014968040399253368,
-0.019553467631340027,
-0.0766872987151146,
0.0028821872547268867,
-0.005138481967151165,
-0.0816236361861229,
0.0... | {
"azure_component": "storage",
"chunk_index": 5832,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4266",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
La procédure stockée suivante PredictTipSingleModeRxPy effectue le scoring à l’aide du
modèle revoscalepy.
SQL
@dropoff_longitude float',
@model = @lmodel2,
@passenger_count =@passenger_count ,
@trip_distance=@trip_distance,
@trip_time_in_secs=@trip_time_in_secs,
@pickup_latitude=@pickup_latitu... | [
-0.04610396921634674,
0.01960696466267109,
0.012537521310150623,
-0.010584020055830479,
0.09480878710746765,
0.015167818404734135,
0.014208356849849224,
0.02606155537068844,
-0.03795314207673073,
-0.09249301254749298,
-0.0015860236017033458,
-0.012328051030635834,
-0.05948507785797119,
0.0... | {
"azure_component": "storage",
"chunk_index": 5833,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4267",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Une fois que les procédures stockées ont été créées, il est facile de générer un score
basé sur l’un des modèles. Ouvrez une nouvelle fenêtre Requête et fournissez les
paramètres pour chacune des colonnes de fonctionnalités.
Les sept valeurs obligatoires pour ces colonnes de fonctionnalités sont, dans l’ordre :
passeng... | [
-0.011463804170489311,
0.018402040004730225,
0.012111818417906761,
-0.000669683504384011,
0.07188942283391953,
0.022868143394589424,
-0.0009757045190781355,
0.028529871255159378,
-0.028571411967277527,
-0.07854659110307693,
-0.0043273018673062325,
-0.018506420776247978,
-0.062403399497270584... | {
"azure_component": "storage",
"chunk_index": 5834,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4268",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
pickup_longitude
dropoff_latitude
dropoff_longitude
Par exemple :
Pour générer une prédiction à l’aide du modèle revoscalepy, exécutez l’instruction
suivante :
SQL
Pour générer un score à l’aide du modèle scikit-learn, exécutez l’instruction
suivante :
SQL
La sortie des deux procédures est une probabilité de versement ... | [
-0.03523958846926689,
-0.017902953550219536,
0.011711991392076015,
-0.002297184895724058,
0.08764722943305969,
0.0240849070250988,
0.008520637638866901,
0.04260130599141121,
-0.002545566763728857,
-0.07461059838533401,
0.006031594704836607,
-0.009346096776425838,
-0.047053102403879166,
0.0... | {
"azure_component": "storage",
"chunk_index": 5835,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4269",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Yes
No | [
0.03601188212633133,
-0.008037752471864223,
0.019099706783890724,
0.029923146590590477,
0.04533195123076439,
0.03804007172584534,
0.0002794774773065001,
0.05272362008690834,
-0.012902290560305119,
-0.032278064638376236,
-0.025036146864295006,
0.018670735880732536,
-0.053497593849897385,
0.... | {
"azure_component": "storage",
"chunk_index": 5836,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4270",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel : Développement d’un modèle
prédictif en R avec le Machine Learning
SQL
Article • 02/01/2025
S’applique à :
SQL Server 2016 (13.x) et versions ultérieures
Azure SQL
Managed Instance
Dans cette série de quatre tutoriels, vous allez utiliser R et un modèle Machine Learning
dans Azure SQL Managed Instance Machi... | [
0.012869481928646564,
-0.008218321017920971,
0.010830204002559185,
0.036231182515621185,
0.06326714158058167,
0.004911506548523903,
0.05613744258880615,
0.016130540519952774,
-0.03340516239404678,
-0.026613332331180573,
-0.03534695506095886,
-0.0010565590346232057,
-0.05223720893263817,
0.... | {
"azure_component": "storage",
"chunk_index": 5837,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4271",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
des procédures stockées à partir des scripts R que vous avez
développés dans les parties 2 et 3. Les procédures stockées sont exécutées sur le
serveur pour effectuer des prédictions en fonction de nouvelles données.
Azure SQL Managed Instance Machine Learning Services. Pour plus
d’informations, consultez Présentation d... | [
-0.002127132611349225,
0.01994512788951397,
-0.02015640027821064,
0.0424358993768692,
0.058754608035087585,
0.06164481118321419,
0.0261370986700058,
0.018118593841791153,
-0.052038196474313736,
-0.058413371443748474,
-0.016931621357798576,
0.01605631783604622,
-0.04876155033707619,
0.01870... | {
"azure_component": "storage",
"chunk_index": 5838,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4271",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
SQL Managed Instance.
SQL Server Management Studio (SSMS) : utilisez SSMS pour restaurer l’exemple
de base de données dans Azure SQL Managed Instance. Pour télécharger,
consultez SQL Server Management Studio (SSMS).
R IDE : ce tutoriel utilise RStudio Desktop
.
RODBC : ce pilote est utilisé dans les scripts R que vous ... | [
0.04493193328380585,
0.013034027069807053,
0.02599290944635868,
0.03577655926346779,
0.040902674198150635,
-0.014538321644067764,
0.06617844104766846,
0.039894502609968185,
-0.01404481753706932,
-0.04286875203251839,
-0.05960448831319809,
-0.0125511409714818,
-0.07294847071170807,
0.020927... | {
"azure_component": "storage",
"chunk_index": 5839,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4272",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Dans la première partie de cette série de tutoriels, vous avez effectué les étapes
suivantes :
Installer les prérequis
Restaurer un exemple de base de données
Pour préparer les données pour le mo... | [
0.02631464973092079,
-0.0012599690817296505,
0.02861628122627735,
0.04280466586351395,
0.060171738266944885,
0.02213030494749546,
0.021874452009797096,
0.041215553879737854,
-0.037109240889549255,
-0.017571546137332916,
-0.03238750249147415,
0.03027103841304779,
-0.03699742630124092,
-0.00... | {
"azure_component": "storage",
"chunk_index": 5840,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4273",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel : Préparer les données pour
effectuer l’apprentissage d’un modèle
prédictif dans R avec le Machine
Learning SQL
Article • 02/01/2025
S’applique à :
SQL Server 2016 (13.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la deuxième partie de cette série de quatre tutoriels, vous allez préparer les
don... | [
0.004967356100678444,
0.003213214688003063,
0.01665523461997509,
0.042780034244060516,
0.07126180082559586,
0.017363909631967545,
0.06088309735059738,
-0.005781525280326605,
-0.055791374295949936,
-0.013724375516176224,
-0.028363393619656563,
0.02018146589398384,
-0.04809943959116936,
0.00... | {
"azure_component": "storage",
"chunk_index": 5841,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4274",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Pour utiliser les données en R, vous devez charger les données à partir de la base de
données dans une trame de données ( rentaldata ).
Créez un fichier RScript dans RStudio et exécutez le script suivant. Remplacez
ServerName par vos propres informations de connexion.
R
Vous devez obtenir des résultats similaires à ce ... | [
-0.025476790964603424,
0.026337793096899986,
-0.011392820626497269,
0.06821959465742111,
0.05817396938800812,
-0.0009808684699237347,
0.047057729214429855,
0.018386924639344215,
-0.041077811270952225,
-0.03468984365463257,
-0.04604854807257652,
-0.006674629636108875,
-0.06888331472873688,
... | {
"azure_component": "storage",
"chunk_index": 5842,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4275",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
31 38 2 0 0
5 2014 4 24 23 5 0 0
6 2015 2 11 42 4 0 0
'data.frame': 453 obs. of 7 variables:
$ Year : int 2014 2014 2013 2014 2014 2015 2013 2014 2013 2015 ...
$ Month : num 1 2 3 3 4 2 4 3 4 3 ...
$ Day ... | [
-0.020439738407731056,
0.020014846697449684,
0.020575126633048058,
-0.00958432350307703,
0.038944464176893234,
0.07669571042060852,
0.06024523451924324,
0.04499388858675957,
-0.052941758185625076,
-0.014801280573010445,
-0.007321652956306934,
-0.020687805488705635,
-0.03990408405661583,
0.... | {
"azure_component": "storage",
"chunk_index": 5843,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4275",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Dans cet exemple de base de données, la majeure partie de la préparation a déjà été
effectuée, mais vous allez réaliser une dernière préparation ici. Utilisez le script R suivant
pour identifier trois colonnes en tant que catégories, en changeant les types de données
pour factor.
R
Vous devez obtenir des résultats simi... | [
-0.02013517916202545,
0.035587020218372345,
0.0022351027000695467,
0.015410913154482841,
0.061450909823179245,
0.026717761531472206,
0.07773980498313904,
0.013837999664247036,
-0.04895618557929993,
-0.017991339787840843,
-0.020942993462085724,
-0.01752419024705887,
-0.03481224924325943,
0.... | {
"azure_component": "storage",
"chunk_index": 5844,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4276",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
29 ...
$ RentalCount: num 445 40 456 38 23 42 310 240 22 360 ...
$ WeekDay : Factor w/ 7 levels "1","2","3","4",..: 2 5 1 2 5 4 1 7 6 1
...
$ Holiday : Factor w/ 2 levels "0","1": 2 1 1 1 1 1 1 1 1 1 ...
$ Snow : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 1 1 1 1 ...
Nettoyer les ressources
Étapes suivantes | [
-0.008952836506068707,
0.004568890202790499,
0.057247698307037354,
-0.0006296029896475375,
0.05652845650911331,
0.03596925362944603,
0.05144551768898964,
0.04272543638944626,
-0.045987751334905624,
-0.048862114548683167,
0.00004958977297064848,
-0.015065666288137436,
-0.024460939690470695,
... | {
"azure_component": "storage",
"chunk_index": 5845,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4276",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Pour créer un modèle Machine Learning qui utilise des données de la base de données
TutorialDB, suivez la troisième partie de cette série de tutoriels :
Créer un modèle prédictif dans R avec le M... | [
0.027277596294879913,
0.006650692783296108,
0.01617531292140484,
0.03613794595003128,
0.06072753667831421,
0.013010425493121147,
0.030953072011470795,
0.038303639739751816,
-0.02899126708507538,
-0.01850314252078533,
-0.016151713207364082,
0.018012797459959984,
-0.05697178840637207,
0.0166... | {
"azure_component": "storage",
"chunk_index": 5846,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4277",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel : Créer un modèle prédictif dans
R avec le Machine Learning SQL
Article • 02/01/2025
S’applique à :
SQL Server 2016 (13.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la troisième partie de cette série de quatre tutoriels, vous allez entraîner un
modèle prédictif en R. Dans la partie suivante de ... | [
0.003368441481143236,
-0.023685194551944733,
-0.002112548565492034,
0.02356453612446785,
0.0528445728123188,
0.023955797776579857,
0.05418598651885986,
0.019075188785791397,
-0.045816220343112946,
-0.03407952934503555,
-0.018086927011609077,
0.013928396627306938,
-0.06146867945790291,
0.02... | {
"azure_component": "storage",
"chunk_index": 5847,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4278",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
prédictions les plus précises. Vous allez utiliser le cadre de données
rentaldata que vous avez créé dans la première partie de cette série.
R
Effectuer l’apprentissage de deux modèles Machine Learning
＂
Effectuer des prédictions à partir des deux modèles
＂
Comparer les résultats pour choisir le modèle le plus précis
... | [
-0.007468119263648987,
-0.009893998503684998,
0.0009236568585038185,
0.03706531226634979,
0.07382360845804214,
0.04560893774032593,
0.012735025025904179,
-0.009364485740661621,
-0.04308606684207916,
-0.05796687677502632,
-0.002827205928042531,
0.0375589057803154,
-0.0404067263007164,
0.012... | {
"azure_component": "storage",
"chunk_index": 5848,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4278",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Utilisez une fonction predict pour prédire le nombre de locations à l’aide de chaque
modèle formé.
R
#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 t... | [
-0.005766930524259806,
0.0027374497149139643,
-0.019457725808024406,
0.017151935026049614,
0.09240041673183441,
0.04456518217921257,
0.06623604148626328,
0.004691976122558117,
-0.05134381726384163,
-0.03466252237558365,
-0.03471965715289116,
0.014391395263373852,
-0.04698745161294937,
-0.0... | {
"azure_component": "storage",
"chunk_index": 5849,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4279",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
results
Vous voulez à présent voir lequel des modèles produit les meilleures prédictions. Un
moyen simple et rapide pour ce faire consiste à utiliser une fonction de traçage de base
afin de voir la différence entre les valeurs réelles de vos données d’entraînement et les
valeurs prédites.
R
RentalCount_Pred Rental... | [
-0.01204797811806202,
-0.004952949937433004,
0.00613979110494256,
0.007635629270225763,
0.04012179374694824,
0.06129549443721771,
0.06073938310146332,
0.04201484099030495,
-0.07677158713340759,
-0.017232075333595276,
-0.01701345480978489,
-0.017357466742396355,
-0.03471106290817261,
0.0064... | {
"azure_component": "storage",
"chunk_index": 5850,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4280",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
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 ... | [
-0.022038474678993225,
0.0136432945728302,
0.024000134319067,
-0.018405284732580185,
0.05609891936182976,
0.046196192502975464,
0.05814293026924133,
0.019194364547729492,
-0.05824708566069603,
-0.06347634643316269,
-0.020245099440217018,
-0.028285900130867958,
-0.046840958297252655,
0.0222... | {
"azure_component": "storage",
"chunk_index": 5851,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4280",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
28 7 1 0
6 40.0000 38 1 12 2 1 0
Comparer les résultats
#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 pr... | [
-0.0005079936818219721,
-0.010922856628894806,
0.004457539413124323,
-0.04203513637185097,
0.08751249313354492,
0.01748587004840374,
0.01577022485435009,
-0.0018601760966703296,
-0.05979599431157112,
-0.03812766820192337,
0.01742970384657383,
-0.001051523955538869,
-0.05507484823465347,
0.... | {
"azure_component": "storage",
"chunk_index": 5852,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4280",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Il semble que le modèle de type arbre de décision est le plus précis des deux.
Si vous ne poursuivez pas ce tutoriel, supprimez la base de données TutorialDB.
Dans la troisième partie de cette série de tutoriels, vous avez appris à effectuer les
tâches suivantes :
Effectuer l’apprentissage de deux modèles Machine Learn... | [
-0.0340491347014904,
-0.01309545524418354,
-0.03751236945390701,
0.021873105317354202,
0.05617136135697365,
0.033533480018377304,
0.007470529060810804,
0.0069872005842626095,
-0.046674005687236786,
-0.04446201026439667,
-0.008929973468184471,
0.035570185631513596,
-0.05527111142873764,
0.0... | {
"azure_component": "storage",
"chunk_index": 5853,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4281",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Déployer un modèle prédictif dans R avec le Machine Learning SQL
Yes
No | [
0.03917815908789635,
-0.0143559155985713,
0.02484818361699581,
0.031502965837717056,
0.058285344392061234,
0.0331975519657135,
0.0299700815230608,
0.03399273753166199,
-0.019348429515957832,
-0.02317575365304947,
-0.011210707947611809,
0.006808962672948837,
-0.060450080782175064,
0.0131818... | {
"azure_component": "storage",
"chunk_index": 5854,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4282",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel : Déployer un modèle prédictif
dans R avec le Machine Learning SQL
Article • 02/01/2025
S’applique à :
SQL Server 2016 (13.x) et versions ultérieures
Azure SQL
Managed Instance
Dans la quatrième partie de cette série de quatre tutoriels, vous allez déployer un
modèle Machine Learning développé en R dans Azur... | [
0.0023397929035127163,
-0.023960789665579796,
-0.006439387332648039,
0.032484836876392365,
0.054645098745822906,
0.0236872099339962,
0.050375860184431076,
0.008704065345227718,
-0.041700128465890884,
-0.03647782281041145,
-0.035642605274915695,
0.002716857474297285,
-0.053316134959459305,
... | {
"azure_component": "storage",
"chunk_index": 5855,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4283",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Exécutez les commandes suivantes dans Azure Data Studio.
SQL
Créez une table dans la base de données TutorialDB, puis enregistrez le modèle dans la
table.
1. Créez une table ( rental_models ) pour stocker le modèle.
USE [TutorialDB]
DROP PROCEDURE IF EXISTS generate_rental_model;
GO
CREATE PROCEDURE generate_rental_mod... | [
-0.014205466024577618,
0.04060596600174904,
-0.029711587354540825,
0.0325380340218544,
0.07030511647462845,
-0.009723478928208351,
0.0555155873298645,
0.030644625425338745,
-0.016439082100987434,
-0.05334625765681267,
-0.06808409094810486,
-0.014139621518552303,
-0.07059872150421143,
0.032... | {
"azure_component": "storage",
"chunk_index": 5856,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4284",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
SQL
2. Enregistrez le modèle dans la table en tant qu’objet binaire, en utilisant le nom de
modèle « DTree ».
SQL
Créez une procédure stockée ( predict_rentalcount_new ) qui effectue des prédictions à
l’aide du modèle entraîné et d’un jeu de nouvelles données.
SQL
USE TutorialDB;
DROP TABLE IF EXISTS rental_models;
GO
... | [
-0.030139388516545296,
0.03155653178691864,
-0.035096533596515656,
-0.01616460271179676,
0.06183501332998276,
0.010971158742904663,
0.05274816229939461,
0.023807741701602936,
-0.030402280390262604,
-0.06296280026435852,
-0.041790273040533066,
0.00569886015728116,
-0.03483013063669205,
0.02... | {
"azure_component": "storage",
"chunk_index": 5857,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4285",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Vous pouvez désormais utiliser la procédure stockée predict_rentalcount_new pour
prédire le nombre de locations à partir de nouvelles données.
SQL
GO
CREATE PROCEDURE predict_rentalcount_new (
@model_name VARCHAR(100)
, @input_query NVARCHAR(MAX)
)
AS
BEGIN
DECLARE @model VARBINARY(MAX) = (
... | [
-0.023370467126369476,
0.0363314189016819,
-0.017062615603208542,
-0.01519574224948883,
0.07698104530572891,
0.024573257192969322,
0.03907686099410057,
0.02172689698636532,
-0.044406648725271225,
-0.05637247860431671,
-0.020235178992152214,
0.0071479142643511295,
-0.04887257516384125,
0.02... | {
"azure_component": "storage",
"chunk_index": 5858,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4286",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Vous devez voir un résultat similaire à celui qui suit.
results
Vous avez créé, entraîné et déployé un modèle dans une base de données. Vous avez
ensuite utilisé ce modèle dans une procédure stockée pour prédire des valeurs en
fonction de nouvelles données.
Quand vous n’avez... | [
0.020816078409552574,
0.011414171196520329,
-0.007556570693850517,
0.007079657632857561,
0.06673512607812881,
0.04492664709687233,
0.045947473496198654,
0.03932768851518631,
-0.025501945987343788,
-0.011582506820559502,
-0.019628772512078285,
-0.0058572012931108475,
-0.05858380347490311,
0... | {
"azure_component": "storage",
"chunk_index": 5859,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4287",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Yes
No | [
0.029180221259593964,
-0.003708668751642108,
0.027237283065915108,
0.03421806916594505,
0.06765736639499664,
0.05008549243211746,
-0.01465833280235529,
0.029414288699626923,
0.00046784125152044,
-0.0488797165453434,
-0.0338747501373291,
0.02245189994573593,
-0.04360121488571167,
0.01067154... | {
"azure_component": "storage",
"chunk_index": 5860,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4288",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Tutoriel : Déploiement d’un modèle de
clustering en R avec le Machine
Learning SQL
Article • 02/01/2025
S’applique à :
SQL Server 2016 (13.x) et versions ultérieures
Azure SQL
Managed Instance
Dans cette série de quatre tutoriels, vous allez utiliser R pour développer et déployer un
modèle de clustering k-moyennes da... | [
-0.001926982426084578,
-0.022394506260752678,
0.0029279703740030527,
0.03458693251013756,
0.04218393564224243,
0.014762000180780888,
0.046555861830711365,
0.016405051574110985,
-0.023320000618696213,
-0.02678939513862133,
-0.03200097754597664,
-0.011131469160318375,
-0.04275747016072273,
0... | {
"azure_component": "storage",
"chunk_index": 5861,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4289",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
des modèles dans les données
en fonction de similarités.
Dans cet article, vous allez apprendre à :
Dans la deuxième partie, vous allez préparer les données à partir d’une base de données
pour effectuer le clustering.
Dans la troisième partie, vous apprendrez à créer et à effectuer l’apprentissage d’un
modèle de cluste... | [
-0.02394673600792885,
-0.005335366819053888,
-0.015161312185227871,
0.014328676275908947,
0.057239603251218796,
0.048666294664144516,
0.0004382295301184058,
-0.009806409478187561,
-0.056658316403627396,
-0.02743634767830372,
-0.000491887447424233,
-0.02125123329460621,
-0.06490376591682434,
... | {
"azure_component": "storage",
"chunk_index": 5862,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4289",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Azure SQL Managed Instance Machine Learning Services. Pour plus
d’informations, consultez Présentation de Machine Learning Services dans Azure
SQL Managed Instance.
SQL Server Management Studio (SSMS) : utilisez SSMS pour restaurer l’exemple
de base de données dans Azure SQL Managed Instance. Pour télécharger,
consulte... | [
0.03659040853381157,
-0.031292855739593506,
-0.0017963038990274072,
0.044302213937044144,
0.058387577533721924,
0.0030137577559798956,
0.058706171810626984,
0.02972780168056488,
-0.024126222357153893,
-0.04210690036416054,
-0.06482743471860886,
-0.008096392266452312,
-0.07008882611989975,
... | {
"azure_component": "storage",
"chunk_index": 5863,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4290",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Commentaires
Cette page a-t-elle été utile ?
Indiquer des commentaires sur le produit
| Obtenir de l’aide sur Microsoft Q&A
Si vous ne poursuivez pas ce tutoriel, supprimez la base de données tpcxbb_1gb .
Dans la première partie de cette série de tutoriels, vous avez effectué les étapes
suivantes :
Installer les prére... | [
0.007881729863584042,
-0.0418437123298645,
0.00935972947627306,
0.029483607038855553,
0.061303988099098206,
0.016188960522413254,
-0.006664028856903315,
0.04765084385871887,
-0.04419418051838875,
-0.03480759635567665,
-0.020462075248360634,
-0.0033568376675248146,
-0.061075612902641296,
0.... | {
"azure_component": "storage",
"chunk_index": 5864,
"contains_sku": false,
"document_title": "Sql_Database",
"file_path": "./azure_docs\\SQL_Database.pdf",
"is_summary": false,
"service_name": "SQL Database",
"source": "4291",
"source_file": "SQL_Database.pdf",
"total_pages": 6953
} |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.