史丹利好熱

上一篇先筆記Realtime的評分預存程序sp_rxPredict給同事看，這篇來筆記SQL 2017推出的原生(Native)述詞- PREDICT，更直覺簡單的寫法。

MicrosoftML是Microsoft R Server最新的機器學習演算法套件包，直接內建在SQL Server 2017附加安裝的Machine Learning Services，除了之前CTP時曾經練習過one-class SVM，還包含了

• 快速線性(同時支援L1、L2正規化)
• 促進式決策樹
• 快速隨機森林
• 羅吉斯迴歸(同時支援L1、L2正規化)
• 深度神經網路(DNNs)

R語言以及Python是資料科學工作中常用的兩把利劍，兩者在資料分析、機器學習上都是很棒的武器，去年微軟在SQL Server 2016把R語言整合進平台，就在今年，即將推出的SQL Server 2017也將把Python整合進資料平台了，此外，這一次也同時把R Services重新命名為Machine Learning服務來呼應這次的整合與原有R機器學習套件的升級，不久的將來，Python常用的scikit-learn、TensorFlow及keras套件也能直接執行在SQL Server內了，今天我們先來安裝RC2版本環境。

當我們在執行大量資料分析時，資料科學用戶端的本機記憶體及CPU運算能力可能會不足，另外如果也希望資料庫的資料不要走出家門太久，這時候就可以考慮在遠端的SQL Server上執行分佈運算Distributed Computing。

Glm是Open source R羅吉斯迴歸分析函數，RxLogit則是Revolution R羅吉斯迴歸分析函數，第一次用RxLogit想求證看看，我們來驗證看看兩個Library的測試結果是否相符。

除了已經在SQL Server資料庫內的資料，有時候也會有其他來源收集的整批資料，這時候就可以在R用戶端呼叫RevoScaleR函數直接在SQL Server內建立資料物件並且匯入資料。

為了能在用戶端使用RevoScaleR(增強型R套件)，這時候安裝Microsoft R Server或是Microsoft R Client就可以像和In-Database R中繼續使用RevoScaleR套件開發R。

上一篇將訓練後的線性迴歸模型儲存在SQL 資料表內，這一篇筆記在SQL Server 2016使用模型作出預測。

當SQL Server 完成機器學習後，如果能把訓練後的模型直接儲存在SQL資料表，新的交易數據馬上能就近在資料庫內參照模型作預測。這篇先紀錄將訓練後的模型儲存在SQL Server 2016資料庫內，下一篇再筆記使用模型對新數據作出預測。 

文字雲(Word Cloud)是統計關鍵字詞的視覺化呈現，如果分析資料已經整理到SQL Server資料表中了，我們要如何在ASP.NET網站將統計後的結果使用文字雲來描述?

R語言除了有大量的統計分析套件，在資料視覺化上一定要筆記的就是R Packages下載排行版前幾名的[ggplot2]。

資料庫跑完分析後直接用厲害的視覺化魔法呈現在網站上!

上一篇安裝完需要的R Package，這一篇筆記怎麼查R Serives已經安裝了那些R Package。

安裝完需要的R Package之後，接著使用sp_execute_external_script來從SQL Table取得資料。

SQL Server 2016開始內建支援R語言分析，少去中間ETL過程，程式可以直接把關聯式資料庫內整齊的資料跑統計、跑分群分組模型、跑迴歸還有跑圖，今天先把Lession 1: In-Database R裝起來。

R套件(Package)的資源非常豐富，截自2016-06-18已經有8,195個R包可以下載，安裝完R Service(In-DataBase R)之後，

會有基本內建的R包，但許多常用的R包則需要額外下載及安裝，這篇來筆記R包的安裝。

3月的Channel9頻道上，台灣微軟的年輕正妹Jade很快速又清楚的介紹R Tool for Visual Studio功能，

在這個巴薩會拿下西甲冠軍的美好周末，來筆記R裡頭很強大的繪圖套件ggplot2。

這一篇先把R Studio關起來，來試試看Visual Studio寫R。