使用Microsoft R Server进行机器学习和模型发布

Posted 2020-09-21 StevenLian

本文中用到的所有demo我都已经发布到了Github，需要的同学可以自行下载：

https://github.com/kingliantop/azurelabs/tree/master/RServerDemo

 

Microsoft R客户端的安装

Microsoft R客户端是一个免费的用于数据科学分析的高性能的工具。他基于开源的R语言构建，所以你可以使用任何开源的R packages，另外R client也支持微软的强大的ScaleR语言，包括使用mrsdeploy package远程执行。

1. 首先，下载安装Microsoft R client for windows，介绍地址如下：

https://msdn.microsoft.com/en-us/microsoft-r/r-client-install-windows

下载安装地址：http://aka.ms/rclient/

2. 当然，如果你使用Linux，也可以下载安装R client for Linux

https://msdn.microsoft.com/en-us/microsoft-r/r-client-install-linux

下载地址： http://aka.ms/rclientlinux.

3. 在安装过程中，如果你需要运行一些预先训练的模型，记得勾选"pre-trained models"：

R IDE的安装

安装了Microsoft R 客户端以后，你可以选择安装你喜欢的R IDE安装，例如带有R插件的Visual Studio，或者RStudio

• RTVS for R Client on Windows: R Tools for Visual Studio (RTVS) 是一个集成开发环境，你可以使用Visual Studio免费版本，R Tools也支持，安装完成后后，如果你的机器上有多个R环境，可以配置Microsoft R作为默认客户端 .
• RStudio for R Client：支持 Windows or Linux平台， RStudio 是一个非常流行的R IDE. 在安装完RStudio后他会自己查找R客户端，但如果你有多个R环境，可以指定Microsoft R作为 C:\\Program Files\\Microsoft\\R Client\\R_SERVER\\bin\\x64 作为客户端路径

在本例中，我们使用RStudio免费版，下载RStudio然后安装：https://www.rstudio.com/

 

使用Microsoft R进行机器学习

 

1. 在这个测试案例中，我们用R语言来预测航班的延迟。测试数据集中有天气数据，航班数据，我们可以用这些历史数据来构建模型，预测是否在未来的天气情况下，航班将会延迟。这个案例是一个机器学习中的分类问题，属于监管学习，二分法中，结果0认为航班按时起飞，结果1代表航班延迟超过15分钟起飞。

2. 在我的Github上下载myfight.r, 并且在RStudio中打开，我们首先导入和加载测试数据，测试数据放在Microsoft的RTVS仓库下，选中需要执行的段，使用Ctrl+回车即可执行：

github <- "https://raw.githubusercontent.com/Microsoft/RTVS-docs/master/examples/MRS_and_Machine_Learning/Datasets/"

inputFileFlightURL <- paste0(github, "Flight_Delays_Sample.csv")

inputFileWeatherURL <- paste0(github, "Weather_Sample.csv")

#Create a temporary directory to store the intermediate XDF files.

td <- tempdir()

outFileFlight <- paste0(td, "/flight.xdf")

outFileWeather <- paste0(td, "/weather.xdf")

outFileOrigin <- paste0(td, "/originData.xdf")

outFileDest <- paste0(td, "/destData.xdf")

outFileFinal <- paste0(td, "/finalData.xdf")

#Import the flight data.

flight_mrs <- rxImport(

inData = inputFileFlightURL, outFile = outFileFlight,

missingValueString = "M", stringsAsFactors = FALSE,

# Remove columns that are possible target leakers from the flight data.

varsToDrop = c("DepDelay", "DepDel15", "ArrDelay", "Cancelled", "Year"),

# Define "Carrier" as categorical.

colInfo = list(Carrier = list(type = "factor")),

# Round down scheduled departure time to full hour.

transforms = list(CRSDepTime = floor(CRSDepTime/100)),

overwrite = TRUE

)

3. 总共有大约74万行记录,加载完毕后我们可以打印出来看看数据结果，包含日期，航空公司，机场，出发时间，到达时间等信息：

4. 你也可以使用rxSummary函数快速方便的生成文件汇总信息：

rxSummary(~., data = flight_mrs, blocksPerRead = 2)

5. 后面以类似的方式导入天气数据，并进行数据预处理，在此不再赘述。然后将航班数据和天气数据进行合并关联，并进行数据的清晰，转换等操作，为下一步的分析做准备。

6. 分割数据，80%用来做机器学习进行寻来你，20%用来做测试，进行训练。

7. 然后使用逻辑回归模型算法进行预测，最后使用新的数据集合进行验证，计算ROC和AUC来评估算法的好坏并用可视化的方式进行展现：

ROC和AUC通常用来衡量一个二元分类器的好坏。

ROC为接收者操作特征曲线（receiver operating characteristic curve）

AUC曲线下面积 (Area under the Curve of ROC)

8 .在这个实例中，也提供了使用决策树Decision Tree进行分析和预测，产生的结果可以直接进行对比：

 

在服务器端运行和调试你的R脚本

 

一般情况下，比较小的数据量我们本地的笔记本及开发环境就可以，但一旦数据量比较大，运算周期比较长，我们怎么开发测试学习模型昵？如果你有一个远端的R服务器，运算能力比较强，那么利用微软提供的免费的mrsdeploy扩展包，就可以快速的将你的R脚本再远端执行。

如上图所示，微软为了帮助开发人员和运维人员在远端服务器端开发，调测，测试R脚本，提供了一个叫做mrsdeploy 的扩展包，借助于这个包，你可以将你的代码在远端执行和部署。Mrsdeploy提供了两种连接云端R服务器的过程，一个是基于服务器用户名密码的认证的remoteLogin() ，另外一个使用Azure AD来做认证的remoteLoginAAD(). 基本语法如下：

remoteLogin( https://YourHostEndpoint, session = TRUE, diff = TRUE, commandline = TRUE username = NULL, password = NULL, )

remoteLoginAAD( endpoint, authuri = https://login.windows.net, tenantid = "<AAD_DOMAIN>", clientid = "<NATIVE_APP_CLIENT_ID>", resource = "<WEB_APP_CLIENT_ID>", session = TRUE, diff = TRUE, commandline = TRUE )

本例中我们使用remoteLogin来登陆远端服务，用户名密码就是你在前文中用Admin Utility创建的用户名和密码。

1. 使用remoteLogin登陆，端口是12800，用户名密码是Admin Utility创建的本地管理员密码，例如我的登陆函数如下，登陆成功后remoteLogin会自动对比本地和远端R package并给出差异报告：

remoteLogin("42.159.238.196:12800",username="admin",password="XXXXXXXX")

 

2. 连接成功后，可以看到提示符就变变成"remote"，即当前是在远端的R server操作，可以做个简单的测试，可以看到一切运行正常：

 

3. 使用pause（）和resume（）函数即可在本地模式和远端模式之间切换，pause从远端模式切换回本地模式，resume从本地切换回远端模式：

REMOTE> pause() > date() [1] "Thu May 18 22:57:02 2017" > resume()

REMOTE>

4. 在正式执行脚本之前，你会看到提示，本地的packages和服务器端的packages不一致，如果你的一些脚本需要这些package，可以使用install.packages进行安装：

 

5. 比较重要的一点是，如果你连接到远端服务器，执行一些脚本，会发现所有ScaleR相关的脚本都会执行有问题，这是因为默认情况下，mrsdeploy和RevoScaleR库并没有被加载，那么你可能需要手工加载一下：

library(mrsdeploy)

library(RevoScaleR)

6. 对于上例中测试过的flight例子，我们可以在远端之前创建的Microsoft R Server上执行学习和运算：