In BellaDati ML Studio ist es möglich, R-Bibliotheken und Skripte zu verwenden. Um dies zu erreichen, muss sich BellaDati ML Studio mit der laufenden R-Serve-Instanz verbinden.

Umgebungseinstellungen

Der einfachste Weg, die Umgebung einzurichten, besteht darin, R Studio zu installieren und damit R-Serve zu starten.

  1. Laden Sie R Studio von der offiziellen Seite herunter und installieren Sie es.
  2. Starten Sie R Studio.

  3. Installieren Sie R-Serve mit CRAN. Geben Sie einfach diesen Befehl in die Konsole ein:

    install.packages("Rserve")

  4. Aktivieren Sie die Bibliothek mit diesem Befehl:

    library(Rserve)

  5. Erstellen Sie die Konfigurationsdatei Rserv.cfg im Installationsordner von R-Serve (z. B. C:\Users\username\Dokumente\R\win-library\3.3\Rserve). Fügen Sie folgende Parameter hinzu:

    remote enable
port 6311

  6. Starten Sie die R-Serve. Im Startbefehl müssen Sie den Pfad zur Konfigurationsdatei angeben:

    Rserve(args="--RS-conf C:\\Users\\username\\DOCUME~1\\R\\WIN-LI~1\\3.3\\Rserve\\Rserv.cfg")

  7. Sobald R-Serve läuft, müssen Sie BellaDati ML Studio konfigurieren. Gehen Sie zu Einstellungen und R-Serve Host (localhost, falls er lokal läuft) und R-Serve Port (angegeben in Rserv.cfg). Speichern Sie die Einstellungen.

  8. Jetzt sind Sie bereit, R in BellaDati ML Studio zu verwenden.

Ausführen von R-Skripten

Um R-Code auszuführen, steht im ML Studio eine spezielle Funktion executeR() zur Verfügung. Das Skript selbst befindet sich zwischen der Klammer, die in Anführungszeichen eingeschlossen ist. Nachfolgend finden Sie ein einfaches Beispiel für das Hinzufügen von zwei Zahlen in R:

executeR('toString(2+3)')

Die Funktion toString() wird verwendet, um nur den Wert selbst zu erhalten.

Für längere Skripte ist es besser, sie in der String-Variablen zu speichern und den Code auszuführen, indem man diese Variable als Parameter der Funktion executeR verwendet.

String script= 'toString((3+4)*5)'
executeR(script)

 

Es ist auch möglich, Daten aus Dateien zu lesen oder temporäre Tabellen zu erstellen. Um eine Datei lesen zu können, muss sie zunächst außerhalb des R-Codes mit dem Befehl loadFile() in das ML-Skript geladen werden. Dann ist es möglich, wie im Standard-R-Code auf die Datei zuzugreifen, z. B. mit read.table().

 

Die Funktion paste() wird verwendet, um eine Tabelle zu erstellen. Diese Funktion verknüpft eine spezielle Zeichenkette --data--, die verwendet wird, um den Anfang und das Ende der Tabelle sowie den Inhalt der Tabelle selbst zu markieren. Es ist auch möglich, den Header der Tabelle zu definieren, indem man eine neue Zeilenentität \\n und eine kommagetrennte Liste von Spaltennamen nach der ersten Zeichenkette --data-- hinzufügt.

Nachfolgend finden Sie ein Beispiel für das Erstellen einer Tabelle mit vier Spalten. Der Inhalt der Tabelle ist die Summe aller Werte für die ersten vier Spalten einer angehängten Datei.

String script2= '''
externalData=read.table('DATA_4.03_MNT.csv', sep=',',header=TRUE)
a = "--data--\\nlifetime,broken,pressureInd,moistureInd"
paste(a,toString(colSums(externalData[,c(-5,-6,-7)])),a, sep = "\\n")
'''
loadFile('DATA_4.03_MNT.csv')
executeR(script2)

Das Ergebnis des Skripts ist folgendes:

The file is compatible with BellaDati 2.8.6.3 and newer. Sie können auch ein Muster-ML-Projekt herunterladen, das alle drei oben genannten Beispiele enthält. Die Datei ist kompatibel mit BellaDati 2.8.6.3 und neuer.

 

  • No labels