VYTVOŘENÍ TĚŽEBNÍ STRUKTURY (DMX)

platí pro: Analytické služby SQL Serveru

Vytváří novou těžební strukturu v databázi a volitelně definuje tréninkové a testovací oddíly. Poté, co vytvoříte těžební strukturu, můžete použít příkaz ALTER MINING STRUCTURE (DMX) k přidání modelů do těžební struktury.

Syntax

  
CREATE [SESSION] MINING STRUCTURE <structure>  
(  
    [(<column definition list>)]  
)  
[WITH HOLDOUT (<holdout-specifier> [OR <holdout-specifier>])]  
[REPEATABLE(<holdout seed>)]  
<holdout-specifier>::=  <holdout-maxpercent> PERCENT | <holdout-maxcases> CASES

Arguments

struktura
Unikátní název pro tuto stavbu.

Seznam definic sloupců
Seznam definic sloupců oddělený čárkou.

holdout-maxpercent
Celé číslo mezi 1 a 100, které ukazuje procento dat, která je třeba vyčlenit pro testování.

Holdout-maxcases
Celé číslo, které udává maximální počet případů použitých pro testování.

Pokud je hodnota zadaná pro maximální počet případů větší než počet vstupních případů, všechny vstupní případy se použijí pro testování a bude vyvoláno varování.

Note

Pokud je specifikován jak procento, tak maximální počet případů, použije se menší z těchto limitů.

Holdout seed
Celé číslo použité jako seed pro zahájení rozdělení dat.

Pokud je nastaveno na 0, hash ID těžební struktury se použije jako semeno.

Note

Pokud potřebujete zajistit, že partition lze reprodukovat, měli byste specifikovat seed.

Výchozí: OPAKOVATELNÉ(0)

Remarks

Těžební strukturu definujete tak, že specifikujete seznam sloupců, případně specifikujete hierarchické vztahy mezi sloupci a poté volitelně rozdělíte těžební strukturu na tréninkové a testovací datové sady.

Volitelné klíčové slovo SESSION znamená, že struktura je dočasná, kterou můžete používat pouze po dobu trvání aktuální relace. Po ukončení relace bude struktura a modely založené na této struktuře smazány. Pro vytvoření dočasných těžebních struktur a modelů musíte nejprve nastavit vlastnost databáze AllowSessionMiningModels. Další informace naleznete v tématu Vlastnosti dolování dat.

Seznam definic sloupců

Těžební strukturu definujete tak, že pro každý sloupec zahrnete následující informace do seznamu definic sloupců:

  • Název (povinný)

  • Typ dat (povinný)

  • Distribution

  • Seznam modelových vlajek

  • Typ obsahu (povinný)

  • Vztah k atributovému sloupci (povinný pouze pokud se vztahuje), indikovaný klauzulí RELATED TO

Pro definici sloupce použijte následující syntaxi pro definování jednoho sloupce:

<column name>    <data type>    [<Distribution>]    [<Modeling Flags>]    <Content Type>    [<column relationship>]

Použijte následující syntaxi pro seznam definic sloupců k definici vnořené tabulky:

<column name>    TABLE    ( <column definition list> )

Pro seznam datových typů, typů obsahu, rozdělení sloupců a modelovacích příznaků, které můžete použít k definování sloupce struktury, viz následující témata:

Můžete definovat více modelovacích příznaků pro sloupec. Nicméně můžete mít jen jeden typ obsahu a jeden datový typ pro sloupec.

Vztahy ke sloupcům

Můžete přidat klauzuli k jakémukoli tvrzení definice sloupců, která popisuje vztah mezi dvěma sloupci. Analytické služby podporují použití následující klauzule <o vztahu> sloupců.

SOUVISEJÍCÍ S
Označuje hodnotovou hierarchii. Cílem sloupce RELATED TO může být klíčový sloupec v vnořené tabulce, sloupec s diskrétními hodnotami v řádku případů nebo jiný sloupec s klauzulí RELATED TO, která indikuje hlubší hierarchii.

Parametry zadržení

Když zadáte parametry holdoutu, vytvoříte oddíl dat o struktuře. Částka, kterou určíte pro holdout, je vyhrazena pro testování a zbývající data se používají pro trénink. Ve výchozím nastavení, pokud vytvoříte těžební strukturu pomocí SQL Server Data Tools (SSDT), vytvoří se pro vás holdout partition, který obsahuje 30 procent testovacích dat a 70 procent trénovacích dat. Další informace najdete v tématu trénování a testování datových sad.

Pokud vytvoříte těžební strukturu pomocí Data Mining Extensions (DMX), musíte ručně specifikovat, že bude vytvořena holdout partition.

Note

Prohlášení ALTER MINING STRUCTURE nepodporuje odpor.

Můžete nastavit až tři parametry, které drží na místě. Pokud určíte jak maximální počet případů pozastavení, tak procento odmítnutí, procento případů je vyhrazeno až do dosažení maximálního limitu případů. Určujete procento zadržení jako celé číslo následované klíčovým slovem PERCENT a maximální počet případů jako celé číslo následované klíčovým slovem CASES . Podmínky můžete kombinovat v libovolném pořadí, jak je ukázáno v následujících příkladech:

WITH HOLDOUT (20 PERCENT)   
WITH HOLDOUT (2000 CASES)   
WITH HOLDOUT (20 PERCENT OR 2000 CASES)   
WITH HOLDOUT (2000 CASES OR 20 PERCENT)

Holdout seed ovládá výchozí bod procesu, který náhodně přiřazuje případy buď do tréninkových, nebo testovacích datových sad. Nastavením holdout seed můžete zajistit, že partition bude možné opakovat. Pokud nespecifikujete holdout seed, Analysis Services použije název těžební struktury k vytvoření semene. Pokud strukturu přejmenujete, hodnota seed se změní. Parametr holdout seed lze použít s jedním nebo oběma dalšími parametry holdoutu.

Note

Protože informace o oddílech jsou uloženy do mezipaměti spolu s trénovanými daty, pro použití holdoutu musíte zajistit, aby vlastnost CacheMode těžební struktury byla nastavena na KeepTrainingData. Toto je výchozí nastavení v Analysis Services pro nové těžební struktury. Změna vlastnosti CacheMode na ClearTrainingCases na existující těžební struktuře obsahující holdout partition neovlivní žádné modely těžby, které byly zpracovány. Pokud MiningStructureCacheMode však není nastaveno na KeepTrainingData, parametry zadržení nebudou mít žádný vliv. To znamená, že všechna zdrojová data budou použita pro trénování a žádná testovací sada nebude dostupná. Definice partitionu je uložena do cache se strukturou; Pokud vymažete cache trénovacích případů, vymažete také cache testovacích dat a definici holdout setu.

Examples

Následující příklady ukazují, jak vytvořit těžební strukturu pomocí Holdout pomocí DMX.

Příklad 1: Přidání struktury bez trénovací množiny

Následující příklad vytváří novou těžební strukturu s názvem bez New Mailing vytvoření jakýchkoli přidružených těžebních modelů a bez použití holdoutu. Chcete-li se dozvědět, jak přidat těžební model ke struktuře, viz ALTER MINING STRUCTURE (DMX).

CREATE MINING STRUCTURE [New Mailing]  
(  
    CustomerKey LONG KEY,   
    Gender TEXT DISCRETE,  
    [Number Cars Owned] LONG DISCRETE,  
    [Bike Buyer] LONG DISCRETE   
)

Příklad 2: Stanovení procenta zadržení a nasazení

Následující klauzule může být přidána za seznam definic sloupců, aby definovala datovou sadu, kterou lze použít k testování všech těžebních modelů spojených s těžební strukturou. Prohlášení vytvoří testovací sadu, která bude tvořit 25 procent všech vstupních případů, bez omezení maximálního počtu případů. 5000 se používá jako výchozí bod pro vytvoření partition. Když specifikujete seed, stejné případy budou pokaždé vybrány pro testovací sadu, pokud se nezmění základní data.

CREATE MINING STRUCTURE [New Mailing]  
(  
    CustomerKey LONG KEY,   
    Gender TEXT DISCRETE,  
    [Number Cars Owned] LONG DISCRETE,  
    [Bike Buyer] LONG DISCRETE   
)   
WITH HOLDOUT(25 PERCENT) REPEATABLE(5000)

Příklad 3: Specifikace procenta zadržení a maximálního počtu případů

Následující klauzule vytvoří testovací sadu, která obsahuje buď 25 procent všech vstupních případů, nebo 2000 případů, podle toho, co je méně. Protože 0 je určeno jako semeno, používá se název těžební struktury k vytvoření semene, které se používá k zahájení vzorkování vstupních případů.

CREATE MINING STRUCTURE [New Mailing]  
(  
    CustomerKey LONG KEY,   
    Gender TEXT DISCRETE,  
    [Number Cars Owned] LONG DISCRETE,  
    [Bike Buyer] LONG DISCRETE   
)   
WITH HOLDOUT(25 PERCENT OR 2000 CASES) REPEATABLE(0)

Související obsah

  • Poslední aktualizace v