เรโวสเกลเออร์
RevoScaleRเป็น แพ็กเกจ แมชชีนเลิร์นนิงในภาษา Rที่สร้างโดยMicrosoftโดยมีให้ใช้งานเป็นส่วนหนึ่งของ Machine Learning Server, Microsoft R Client และ Machine Learning Services ในMicrosoft SQL Server 2016
แพ็กเก จนี้ประกอบด้วยฟังก์ชันสำหรับการสร้างแบบจำลองเชิงเส้น การถดถอยโลจิสติกป่าสุ่ม ต้นไม้ตัดสินใจ และต้นไม้ตัดสินใจแบบบูสต์และK-meansรวมถึงฟังก์ชันสรุปบางส่วนสำหรับการตรวจสอบและแสดงภาพข้อมูล[ 1 ]
มีแพ็กเกจ Python ที่เทียบเคียงกันได้ชื่อว่าrevoscalepy อีกแพ็กเกจที่เกี่ยวข้องอย่างใกล้ชิดคือ MicrosoftML ซึ่งประกอบด้วยอัลกอริธึมการเรียนรู้ของเครื่องที่ RevoScaleR ไม่มี เช่นโครงข่ายประสาทเทียมและSVM
ในเดือนมิถุนายน พ.ศ. 2564 ไมโครซอฟต์ประกาศเปิดซอร์สโค้ดแพ็กเกจ RevoScaleR และ revoscalepy โดยเปิดให้ใช้งานได้ฟรีภายใต้ใบอนุญาต MIT [ 2 ]
แนวคิด
แพ็กเกจ R จำนวนมากได้รับการออกแบบมาเพื่อวิเคราะห์ข้อมูลที่สามารถเก็บไว้ในหน่วยความจำของเครื่องได้ และโดยปกติจะไม่ใช้การประมวลผลแบบขนาน RevoScaleR ได้รับการออกแบบมาเพื่อแก้ไขข้อจำกัดเหล่านี้ ฟังก์ชันใน RevoScaleR มุ่งเน้นไปที่แนวคิดเชิงนามธรรมหลักสามประการที่ผู้ใช้สามารถระบุเพื่อประมวลผลข้อมูลจำนวนมากที่อาจไม่สามารถเก็บไว้ในหน่วยความจำได้ และใช้ประโยชน์จากทรัพยากรแบบขนานเพื่อเร่งความเร็วในการวิเคราะห์
บริบทการคำนวณ
บริบทการคำนวณหมายถึงตำแหน่งที่การคำนวณข้อมูลเกิดขึ้น อาจเป็น "โลคอล" (บนเครื่องไคลเอ็นต์) หรือ "รีโมต" (บนแพลตฟอร์มข้อมูล เช่น เซิร์ฟเวอร์ SQLหรือSpark ) การผลักดันการคำนวณไปยังเซิร์ฟเวอร์ระยะไกลทำให้ผู้คนสามารถใช้ประโยชน์จากทรัพยากรการคำนวณที่มากขึ้นซึ่งเครื่องระยะไกลอาจมี หากข้อมูลที่กำลังวิเคราะห์อยู่บนเครื่องเดียวกัน การใช้บริบทการคำนวณระยะไกลยังช่วยขจัดความจำเป็นในการดึงข้อมูลผ่านเครือข่ายไปยังเครื่องไคลเอ็นต์อีกด้วย[ 3 ]
แหล่งข้อมูล
แหล่งข้อมูลกำหนดว่าข้อมูลมาจากที่ใด RevoScaleR มีแหล่งข้อมูลหลากหลายประเภท เช่น ข้อมูลข้อความ ข้อมูล XDF ข้อมูลใน SQL และ Spark DataFrame ผู้ใช้สามารถห่อหุ้มข้อมูลของตนไว้ในอ็อบเจ็กต์แหล่งข้อมูลและนำไปใช้ในการวิเคราะห์ในบริบทการประมวลผลที่แตกต่างกันได้ แหล่งข้อมูลที่แตกต่างกันจะพร้อมใช้งานในบริบทการประมวลผลที่แตกต่างกัน ตัวอย่างเช่น หากตั้งค่าบริบทการประมวลผลเป็น SQL Server แหล่งข้อมูลเดียวที่สามารถใช้ได้คือแหล่งข้อมูลใน SQL
การวิเคราะห์
ฟังก์ชันวิเคราะห์ใน RevoScaleR รับออบเจ็กต์แหล่งข้อมูล บริบทการคำนวณ และพารามิเตอร์อื่นๆ ที่จำเป็นในการสร้างแบบจำลองเฉพาะ เช่น สูตรสำหรับการถดถอยโลจิสติก หรือจำนวนต้นไม้ในต้นไม้ตัดสินใจ นอกจากพารามิเตอร์เหล่านั้นแล้ว ยังสามารถระบุระดับการทำงานแบบขนานได้ เช่น ขนาดของกลุ่มข้อมูลสำหรับแต่ละกระบวนการ หรือจำนวนกระบวนการที่จะสร้างแบบจำลอง อย่างไรก็ตาม การทำงานแบบขนานมีให้ใช้งานเฉพาะในเวอร์ชันที่ไม่ใช่แบบด่วนเท่านั้น
ข้อจำกัด
แพ็กเกจนี้ออกแบบมาเพื่อใช้งานร่วมกับเซิร์ฟเวอร์ SQL หรือเครื่องระยะไกลอื่นๆ เป็นหลัก เพื่อให้สามารถใช้ประโยชน์จากกลไกการประมวลผลข้อมูลขนาดใหญ่ได้อย่างเต็มที่ จำเป็นต้องมีเซิร์ฟเวอร์ระยะไกลและแพ็กเกจเวอร์ชันฟรีที่ไม่ใช่ Express การติดตั้งทำได้ยาก ไม่เหมือนกับแพ็กเกจ R โอเพนซอร์สทั่วไปที่มักติดตั้งโดยใช้คำสั่ง "install.packages("RevoScaleR")" แพ็กเกจนี้มีให้ใช้งานเฉพาะผ่าน Microsoft R Client ซึ่งเป็นเวอร์ชันของ R สำหรับงานด้านวิทยาศาสตร์ข้อมูล หรือ Microsoft Machine Learning Server (แบบสแตนด์อโลนโดยไม่มีเซิร์ฟเวอร์ SQL เชื่อมต่อ) หรือ Microsoft Machine Learning Services (บริการเซิร์ฟเวอร์ SQL) อย่างไรก็ตาม ยังคงสามารถใช้ฟังก์ชันการวิเคราะห์ได้ในเวอร์ชัน Express ฟรีของแพ็กเกจ
ดูเพิ่มเติม
ลิงก์ภายนอก
- ตัวอย่างการใช้งาน revoscalepy และ microsoftml