Dotazy na dolování dat

Platí pro: SQL Server 2019 a starší služby Analysis Services Azure Analysis Services Fabric/ Power BI Premium

Důležité

Dolování dat bylo v SQL Serveru 2017 Analysis Services zastaralé a nyní ukončeno ve službě SQL Server 2022 Analysis Services. Dokumentace se neaktualizuje pro zastaralé a ukončené funkce. Další informace najdete v tématu Zpětná kompatibilita služby Analysis Services.

Dotazy na dolování dat jsou užitečné pro mnoho účelů. Můžete:

• Použijte model na nová data, abyste mohli vytvořit jednu nebo více předpovědí. Vstupní hodnoty můžete zadat jako parametry nebo v dávce.

• Získejte statistický souhrn dat používaných pro trénování.

• Extrahujte vzory a pravidla nebo vygenerujte profil typického případu představujícího vzor v modelu.

• Extrahujte regresní vzorce a další výpočty, které vysvětlují vzorce.

• Získejte případy, které odpovídají určitému vzoru.

• Načtěte podrobnosti o jednotlivých případech používaných v modelu, včetně dat, která se nepoužívají při analýze.

• Přetvořte model přidáním nových dat nebo provedením křížové predikce.

Tato část obsahuje přehled informací, které potřebujete, abyste mohli začít s dotazy na dolování dat. Popisuje typy dotazů, které můžete vytvořit proti objektům dolování dat, zavádí nástroje dotazů a dotazovací jazyky a poskytuje odkazy na příklady dotazů, které můžete vytvořit na modelech vytvořených pomocí algoritmů poskytovaných v SQL Server Data Mining.

Pochopení dotazů na dolování dat

Nástroje a rozhraní pro dotazy

Dotazy na různé typy modelů

Požadavky

Porozumění dotazům na dolování dat

Sql Server Analysis Services Data Mining podporuje následující typy dotazů:

• Prediktivní dotazy (dolování dat)

  Dotazy, které odvozují na základě vzorů v modelu a ze vstupních dat

• Dotazy na obsah (dolování dat)

  Dotazy, které vracejí metadata, statistiky a další informace o samotném modelu.

• Podrobné dotazy (dolování dat)

  Dotazy, které můžou načíst podkladová data případu pro model, nebo dokonce data ze struktury, která se v modelu nepoužívala.

• Dotazy definice dat (dolování dat)

  Dotazy, které nevrací informace z modelu, ale spíše slouží k vytváření modelů a struktur nebo k aktualizaci dat v modelu nebo struktuře.

Před vytvořením dotazů doporučujeme seznámit se s rozdíly mezi modely vytvořenými pomocí jednotlivých algoritmů dolování dat poskytovaných SQL Serverem.

• Projděte a prozkoumejte jednotlivé typy modelu pomocí vlastních prohlížečů dolování dat, které jsou k dispozici pro každý typ algoritmu. Další informace naleznete v tématu Úkoly a návody pro Mining Model Viewer.

• Zkontrolujte obsah modelu pro každý typ modelu pomocí Microsoft Generic Content Tree Viewer. Chcete-li tyto informace interpretovat, projděte si obsah modelu dolování (Analysis Services – Dolování dat).

Nástroje a rozhraní pro dotazy

Dotazy dolování dat můžete interaktivně vytvářet pomocí některého z nástrojů dotazů poskytovaných SQL Serverem. Tvůrce dotazů pro predikce je k dispozici v nástrojích SQL Server Data Tools i SQL Server Management Studiu. Pokud jste tvůrce dotazů pro predikce ještě nepoužívali, doporučujeme postupovat podle kroků v kurzu Základní dolování dat a seznámit se s rozhraním. Pro rychlý přehled kroků se podívejte na Vytvoření dotazu pro predikci pomocí Tvůrce dotazů pro predikce.

Tvůrce prediktivních dotazů je užitečný pro spouštění dotazů, které si později přizpůsobíte. Můžete snadno přidat zdroje dat a namapovat je na sloupce a pak přepnout do zobrazení DMX a přizpůsobit dotaz přidáním klauzule WHERE nebo jiných funkcí.

Jakmile znáte modely dolování dat a jak vytvářet dotazy, můžete také psát dotazy přímo pomocí rozšíření DMX (Data Mining Extensions). DMX je dotazovací jazyk, který se podobá jazyku Transact-SQL a který můžete použít z mnoha různých klientů. DMX je nástroj, který je volbou pro vytváření vlastních předpovědí i složitých dotazů. Úvod do DMX najdete v tématu Vytváření a dotazování modelů dolování dat pomocí DMX: Kurzy (Analysis Services - Data Mining).

Editory DMX jsou k dispozici v SQL Server Data Tools i SQL Server Management Studio. Pomocí Tvůrce dotazů pro predikce můžete také spustit dotazy a pak změnit zobrazení do textového editoru a zkopírovat příkaz DMX do jiného klienta. Další informace naleznete v tématu Nástroje pro dotazy dolování dat.

Příkazy DMX můžete vytvářet programově a odesílat je z klienta na server SLUŽBY SQL Server Analysis Services pomocí AMO nebo XMLA. DMX je však jazyk, který musíte použít k vytváření dotazů na model dolování.

Můžete také dotazovat metadata, statistiky a určitý obsah modelu pomocí zobrazení dynamické správy (DMV), které jsou založeny na sadách řádků schématu dolování dat. Tyto DMVs usnadňují načtení informací o modelu pomocí příkazů SELECT; nemůžete však vytvářet predikce. Další informace o zobrazení dynamické správy podporované službou SQL Server Analysis Services naleznete v tématu Použití zobrazení dynamické správy (DMV) k monitorování služby Analysis Services.

Nakonec můžete vytvářet dotazy dolování dat pro použití v balíčcích integračních služeb pomocí úlohy dotazu dolování dat nebo transformace dotazu dolování dat. Úloha toku řízení podporuje více typů dotazů DMX, zatímco transformace toku dat podporuje pouze dotazy, které pracují s daty v toku dat, což znamená dotazy, které používají syntaxi PREDICTION JOIN.

Dotazy na různé typy modelů

Algoritmus použitý při vytváření modelu výrazně ovlivňuje typ informací, které můžete získat z dotazu dolování dat. Důvodem rozdílů je, že každý algoritmus zpracovává data jiným způsobem a ukládá různé druhy vzorů. Například některé algoritmy vytvářejí clustery; ostatní vytvářejí stromy. Proto může být potřeba použít specializované prediktivní a dotazovací funkce v závislosti na typu modelu, se kterým pracujete.

Následující seznam obsahuje souhrn funkcí, které můžete použít v dotazech:

• Obecné predikční funkce:Funkce Predict je polymorfní, což znamená, že funguje se všemi typy modelů. Tato funkce automaticky rozpozná typ modelu, se kterým pracujete, a vyzve vás k zadání dalších parametrů. Další informace naleznete v tématu Predict (DMX).

  Výstraha

  Ne všechny modely se používají k předpovědím. Můžete například vytvořit model clusteringu, který nemá předvídatelný atribut. I když ale model nemá předvídatelný atribut, můžete vytvořit prediktivní dotazy, které vrátí jiné typy užitečných informací z modelu.

• Vlastní prediktivní funkce: Každý typ modelu poskytuje sadu prediktivních funkcí navržených pro práci se vzory vytvořenými tímto algoritmem.

  Například pro modely časových řad je k dispozici funkce Lag , která vám umožní zobrazit historická data použitá pro model. U clusteringových modelů jsou funkce, jako je ClusterDistance , smysluplnější.

  Další informace o funkcích podporovaných pro každý typ modelu najdete na následujících odkazech:

  • Příklady dotazů modelu přidružení

  • Příklady dotazů modelu clusteringu

  • Příklady dotazů modelu rozhodovacích stromů

  • Příklady dotazů modelu lineární regrese

  • Příklady dotazů modelu logistické regrese

  • Algoritmus Microsoft Naive Bayes

  • Příklady dotazů modelu neurální sítě

  • Příklady dotazů modelu sekvenčního clusteringu

  • Příklady dotazů modelu time series

  Také můžete volat funkce VBA nebo vytvořit vlastní funkce. Další informace najdete v tématu Funkce (DMX).

• Obecné statistiky: Existuje řada funkcí, které lze použít s téměř jakýmkoli typem modelu, které vracejí standardní sadu popisných statistik, jako je směrodatná odchylka.

  Například funkce PredictHistogram vrátí tabulku se seznamem všech stavů zadaného sloupce.

  Další informace naleznete v tématu Obecné prediktivní funkce (DMX).

• Vlastní statistika: Pro každý typ modelu jsou k dispozici další podpůrné funkce pro generování statistik, které jsou relevantní pro konkrétní analytickou úlohu.

  Pokud například pracujete s modelem clusteringu, můžete použít funkci PredictCaseLikelihood k vrácení skóre pravděpodobnosti spojeného s určitým případem a clusterem. Pokud jste ale vytvořili model lineární regrese, měli byste zájem načíst koeficient a průsečík, který můžete provést pomocí dotazu na obsah.

• Funkce obsahu modelu:Obsah všech modelů je reprezentován ve standardizovaném formátu, který umožňuje načíst informace pomocí jednoduchého dotazu. Dotazy na obsah modelu vytvoříte pomocí DMX. Pomocí sad řádků schématu dolování dat můžete také získat určitý typ obsahu modelu.

  Význam každého řádku nebo uzlu tabulky vrácené v obsahu modelu se liší v závislosti na typu algoritmu, který byl použit k sestavení modelu, a také datového typu sloupce. Další informace najdete v tématu Dotazy na obsah (dolování dat).

Požadavky

Než budete moct vytvořit dotaz na model, musí být model dolování dat zpracován. Zpracování objektů služby SQL Server Analysis Services vyžaduje zvláštní oprávnění. Další informace o zpracování modelů dolování naleznete v tématu Požadavky na zpracování a důležité informace (Dolování dat).

Pokud chcete spouštět dotazy na model dolování dat, vyžaduje různé úrovně oprávnění v závislosti na typu dotazu, který spouštíte. Například přechod na detailní data případu nebo strukturovaná data obvykle vyžaduje další oprávnění, která lze nastavit u objektu těžby struktury nebo objektu modelu těžby.

Pokud však dotaz používá externí data a obsahuje příkazy, jako je OPENROWSET nebo OPENQUERY, musí databáze, kterou dotazujete, povolit tyto příkazy a musíte mít oprávnění k podkladovým databázovým objektům.

Další informace o kontextech zabezpečení potřebných ke spuštění dotazů na dolování dat najdete v tématu Přehled zabezpečení (Dolování dat).

V této sekci

Témata v této části představují podrobněji jednotlivé typy dotazů dolování dat a poskytují odkazy na příklady, jak podrobně vytvářet dotazy na modely dolování dat.

Prediktivní dotazy (dolování dat)

Dotazy na obsah (dolování dat)

Podrobné dotazy (dolování dat)

Dotazy definice dat (dolování dat)

Nástroje pro dotazy dolování dat

Související úkoly

Pomocí těchto odkazů se dozvíte, jak vytvářet a pracovat s dotazy na dolování dat.

Tasks	Links
Prohlížení kurzů a návodů k dotazům pro dolování dat	Lekce 6: Vytváření a práce s predikcemi (základní kurz dolování dat) Kurz DMX pro predikce časových řad
Použití nástrojů dotazů pro dolování dat v nástrojích SQL Server Management Studio a SQL Server Data Tools	Vytvoření dotazu DMX v aplikaci SQL Server Management Studio Vytvoření prediktivního dotazu pomocí Tvůrce prediktivních dotazů Použití prediktivních funkcí na model Ruční úprava prediktivního dotazu
Práce s externími daty používanými v prediktivních dotazech	Volba a mapování vstupních dat pro prediktivní dotaz Volba a mapování vstupních dat pro prediktivní dotaz
Pracovat s výsledky dotazů	Zobrazení a uložení výsledků prediktivního dotazu
Použití šablon dotazů DMX a XMLA poskytovaných v sadě Management Studio	Vytvoření dotazu jednoúčelové předpovědi ze šablony Vytvoření dotazu dolování dat pomocí XMLA Použití šablon Analysis Services v aplikaci SQL Server Management Studio
Další informace o dotazech na obsah a podívejte se na příklady	Vytvoření dotazu na obsah v modelu dolování Dotazování parametrů použitých k vytvoření modelu dolování Dotazy na obsah (dolování dat)
Nastavení možností dotazu a řešení problémů s oprávněními a potíží s dotazem	Změna hodnoty časového limitu pro dotazy dolování dat
Použití komponent dolování dat v integračních službách	Úloha dotazu dolování dat Transformace dotazů dolování dat

Viz také

Algoritmy dolování dat (Analysis Services – Dolování dat)
Obsah modelu dolování (Analysis Services – Dolování dat)