在 Azure Machine Learning Studio 中，若想要透過 R 語言擴充其功能，可以使用 Execute R Script，直接將程式碼貼至 R Script 區域就可以執行，下圖為預設的 R 程式碼內容，若執行成功會看到 Execute R Script 出現綠勾勾，若失敗則會顯示紅驚嘆號，失敗原因可以從屬性下方的 View output log 查看

Azure Machine Learning Studio 支援許多 R 套件，可以參考官網提供的 R 套件支援清單：R Packages supported by Azure Machine Learning Studio

使用 Execute R Script 列出所有目前安裝的封裝

1. 新增 Execute R Script，將以下 R 指令輸入至 R Script

   # Select data.frame to be sent to the output Dataset port
   out <- data.frame(installed.packages(,,,fields="Description"))
   maml.mapOutputPort("out")
   

   

2. 新增 Convert to CSV 將執行後結果轉換成 CSV 檔案格式，執行完成後，滑鼠右鍵點選 Download 下載 CSV 檔案
   

3. 開啟 CSV 檔可以看到目前的安裝清單
   

使用 R pairs( ) 檢視鳶尾花花萼長寬與花瓣長寬資料的散佈圖矩陣

1. 新增 Iris Two Class Data 鳶尾花二元分類資料集
   

2. 新增 Execute R Script，將資料集輸出接至 Execute R Script 的第一個輸入，R Script 區域輸入以下 R 語言：

   # Map 1-based optional input ports to variables
   irisdata <- maml.mapInputPort(1) # class: data.frame
   
   # Contents of optional Zip port are in ./src/
   # source("src/yourfile.R");
   # load("src/yourData.rdata");
   
   # Sample operation
   str(irisdata)
   pairs(irisdata[2:5], data = irisdata)
   
   # You'll see this output in the R Device port.
   # It'll have your stdout, stderr and PNG graphics device(s).
   
   # Select data.frame to be sent to the output Dataset port
   maml.mapOutputPort("irisdata");
   

   

3. 執行完成後，滑鼠右鍵點選 R Device 的 Visualize 檢視結果
   

4. 可以看到以下 4 個欄位分別與其他欄位的分佈關係：

   • 花萼長度(sepal-length)
   • 花萼寬度(sepal-width)
   • 花瓣長度(petal-length)
   • 花瓣寬度(petal-width)