手机站:/m

对象存储_cn域名医疗物联网-备案_限量秒杀

时间:2021-09-28 13:52编辑:淘客樊里来源:淘客樊里当前位置:主页 > 云存储 >

在本博客中,我将概述最近在SAP HANA 2.0,速成版支持包03,修订版033

SAP HANA中机器学习的新功能,速成版

SAP HANA,express edition现在支持一组客户端Python函数,可用于开发机器学习模型,云服务器服务商,从而使Python用户可以方便地使用SAP HANA express edition进行机器学习,这是一组用于不同算法的机器学习API和SAP HANA dataframe,后者由一组用于访问和操作SAP HANA数据的函数组成。我将概述关键功能和一个示例应用程序,以及如何开始的指南。

此功能是对SAP HANA中预测分析库(PAL)的补充,express edition允许用户使用SQL接口构建机器学习模型。

架构

Python Client API for ML使用HANA Python驱动程序,如下图所示。用户首先需要安装Python驱动程序(hdbcli),然后安装机器学习算法的Python客户端API。下面的"如何开始"部分提供了说明。

SAP HANA Dataframe

SAP HANA Dataframe提供了一种查看和操作SAP HANA中存储的数据的方法,数据分析,而无需在HANA和Python客户端应用程序之间物理移动任何数据。saphanadataframe隐藏了底层SQL语句,为用户提供了saphana数据的Python接口。一旦创建了HANA数据帧,它就可以在Python客户端ML API(包含各种机器学习算法)中用作培训和评分的输入。

SAP HANA数据帧函数提供了创建和操作数据帧的各种不同操作的功能。一些示例函数包括:添加ID列、将列强制转换为新类型、删除列、填充空值、连接dataframes、排序dataframes、重命名列、与数据相关的统计信息、显示不同的值、创建具有前n个值的dataframes、将HANA dataframe复制到Pandas数据帧、从HANA数据帧等。有关详细信息,请参阅文档

创建SAP HANA数据帧,淘客cms,首先创建"ConnectionContext"对象,然后使用库中提供的方法创建SAP HANA数据帧。

ML API

ML API是SAP HANA机器学习算法的一组API。

这些算法包括分类、聚类、分解、度量函数、神经网络、预处理、回归、,统计函数,邻域算法,决策树和支持向量机。有关此版本中提供哪些特定算法的详细信息,请参阅文档

这些客户端Python函数需要HANA数据帧和参数作为输入,以便训练模型。模型训练在HANA中执行,没有数据返回到客户端来训练模型。Python机器学习api调用saphana中的SQL函数,使用HANA中的数据执行培训和评分。因此,可以避免数据从服务器移动到客户端,反之亦然,从而获得高性能。

这种方法是开放的,用户不仅可以使用提供的ML API函数,还可以使用自己选择的Python库,淘客公众号,以及SAP HANA express edition中提供的库。用户可以将HANA数据帧转换为Pandas数据帧,然后使用其应用程序的Python库。

在"端到端示例:使用Python客户端API for ML"一节中提供了使用HANA数据帧和ML API的端到端示例。

如何开始

第一步是安装SAP HANA Python机器学习算法的客户端API。此API需要SAP HANA Python驱动程序作为先决条件。有关如何安装Python客户端API For ML(和Python驱动程序)的详细步骤,请参阅教程。如果您想在Jupyter笔记本(或JupyterLab)中进行开发,并在笔记本环境中使用mlapi,您可以这样做。有关如何将JupyterLab与SAP HANA结合使用的说明,请参见此处。现在,您可以开始使用saphanapython客户机API进行机器学习算法了。下面的示例显示了一个端到端的示例场景。

注意:如果您需要安装SAP HANA express edition(或需要更新现有安装),请按照以下步骤操作:

安装SAP HANA express edition:https://developers.sap.com/topics/sap-hana-express.html升级现有SAP HANA速成版:https://developers.sap.com/tutorials/hxe-ua-updateing-vm.html

端到端示例:使用Python Client API for ML

下面显示的示例是使用HANA表中的数据来训练RandomForestClassifier模型。

在下面的用例中,用户希望预测游戏是否会成功根据当天的天气情况,决定是否在某一天玩。出于培训目的,用户可以访问已知天气状况和结果的历史数据。历史信息包含有关前景(晴天、阴天、下雨)、温度、湿度、刮风(是、否)以及当天发生的实际历史结果的信息,即是否玩了游戏。历史结果被捕获在名为Label(PLAY,don NOT PLAY)的列中。

使用outlook、temperature、humidity、windy和Label(作为结果)等特性,用户将训练一个随机分类器模型。一旦训练完成,该模型将用于预测某一天是否会玩游戏,前提是知道该天的天气、温度、湿度和风况。

注意:在下面的示例中,用户连接到HANA数据库,并使用名为DATA\U TBL\U RFT(用于训练)的表,和数据\u TBL \u rftprodict(用于预测)。

总结和下一步

SAP HANA机器学习算法Python客户端API提供了一套用于创建和操作HANA数据帧以及训练和评分机器学习模型的Python API。

上一篇域名解析_数据淘客公众号系统-库降序_多少钱

下一篇云主机_企业手大数据局-机网站建设_免费

云市场知识本月排行

云市场知识精选