Hispanopedia WikiRevoScaleR es un paquete de aprendizaje automático para R creado por Microsoft . Está disponible como parte de Machine Learning Server, Microsoft R Client y Machine Learning Services en Microsoft SQL Server 2016.
El paquete contiene funciones para crear modelos lineales , regresión logística , bosques aleatorios , árboles de decisión y árboles de decisión potenciados , y K-means , además de algunas funciones de resumen para inspeccionar y visualizar datos. [ 1 ]
Tiene un paquete equivalente en Python llamado revoscalepy . Otro paquete estrechamente relacionado es MicrosoftML, que contiene algoritmos de aprendizaje automático que RevoScaleR no tiene, como redes neuronales y máquinas de vectores de soporte (SVM) .
En junio de 2021, Microsoft anunció que liberaría el código fuente de los paquetes RevoScaleR y revoscalepy, haciéndolos disponibles gratuitamente bajo la Licencia MIT . [ 2 ]
Conceptos
Muchos paquetes de R están diseñados para analizar datos que caben en la memoria del equipo y, por lo general, no utilizan procesamiento paralelo. RevoScaleR se diseñó para solucionar estas limitaciones. Las funciones de RevoScaleR se basan en tres conceptos de abstracción principales que los usuarios pueden especificar para procesar grandes cantidades de datos que podrían no caber en la memoria y aprovechar los recursos paralelos para acelerar el análisis.
Contextos de cálculo
Un contexto de cómputo se refiere a la ubicación donde se realiza el cálculo sobre los datos. Puede ser "local" (en la máquina cliente) o "remoto" (en una plataforma de datos como un servidor SQL o Spark ). Enviar el cálculo a un servidor remoto permite aprovechar los mayores recursos de cómputo que puede tener una máquina remota. Si los datos que se analizan residen en la misma máquina, usar un contexto de cómputo remoto también elimina la necesidad de transferir los datos a través de la red a la máquina cliente. [ 3 ]
Fuente de datos
La fuente de datos define de dónde provienen los datos. RevoScaleR ofrece diversas fuentes de datos, como datos de texto, datos XDF, datos SQL y dataframes de Spark. Los usuarios pueden encapsular sus datos en un objeto de fuente de datos y utilizarlo para ejecutar análisis en distintos contextos de computación. Cada contexto de computación dispone de una fuente de datos diferente. Por ejemplo, si el contexto de computación está configurado en SQL Server, la única fuente de datos disponible será una fuente SQL.
Analítica
Las funciones analíticas de RevoScaleR requieren un objeto de origen de datos, un contexto de cálculo y otros parámetros necesarios para construir el modelo específico, como la fórmula para la regresión logística o el número de árboles en un árbol de decisión. Además de estos parámetros, también se puede especificar el nivel de paralelismo, como el tamaño del fragmento de datos para cada proceso o el número de procesos necesarios para construir el modelo. Sin embargo, el paralelismo solo está disponible en la edición estándar.
Limitaciones
El paquete está diseñado principalmente para usarse con un servidor SQL u otras máquinas remotas. Para aprovechar al máximo las abstracciones que utiliza para procesar grandes conjuntos de datos, se necesita un servidor remoto y la edición gratuita del paquete (no Express). No se puede instalar fácilmente, por ejemplo, ejecutando "install.packages("RevoScaleR")", como la mayoría de los paquetes R de código abierto. Solo está disponible a través de Microsoft R Client, una distribución de R para ciencia de datos, o Microsoft Machine Learning Server (versión independiente sin servidor SQL asociado), o Microsoft Machine Learning Services (un servicio de servidor SQL). Sin embargo, aún se pueden usar las funciones analíticas en la versión gratuita Express del paquete.
Véase también
Referencias
- ↑ "Paquete RevoScaleR" . Microsoft Corporation . Consultado el 12 de abril de 2018 .
- ↑ Mirando hacia el futuro de R en Azure SQL y SQL Server - Blog de Microsoft SQL Server
- ↑ "Contexto de cálculo para la ejecución de scripts en Machine Learning Server" . Microsoft Corporation . Consultado el 12 de abril de 2018 .
Enlaces externos
- Ejemplos de uso de revoscalepy y microsoftml
- Aprendizaje automático aplicado
- Software de Microsoft