Teilen über

ALTER MINING STRUCTURE (DMX)

  • Artikel

Gilt für: SQL Server Analysis Services

Erstellt ein neues Miningmodell, das auf einer vorhandenen Miningstruktur basiert. Wenn Sie die ALTER MINING STRUCTURE-Anweisung zum Erstellen eines neuen Miningmodells verwenden, muss die Struktur bereits vorhanden sein. Wenn Sie die Anweisung verwenden, erstellen Sie bei Verwendung der Anweisung CREATE MINING MODEL (SHAPE) ein Modell und generieren automatisch die zugrunde liegende Miningstruktur gleichzeitig.

Syntax

  
ALTER MINING STRUCTURE <structure>  
ADD MINING MODEL <model>  
(  
    <column definition list>  
  [(<nested column definition list>) [WITH FILTER (<nested filter criteria>)]]  
)  
USING <algorithm> [(<parameter list>)]   
[WITH DRILLTHROUGH]  
[,FILTER(<filter criteria>)]

Argumente

Struktur
Der Name der Miningstruktur, der das Miningmodell hinzugefügt wird.

Modell
Ein eindeutiger Name für das Miningmodell.

Spaltendefinitionsliste
Eine durch Trennzeichen getrennte Liste mit Spaltendefinitionen.

Verschachtelte Spaltendefinitionsliste
Eine durch Trennzeichen getrennte Liste der Spalten einer geschachtelten Tabelle, falls zutreffend.

Geschachtelte Filterkriterien
Ein Filterausdruck, der für die Spalten in einer geschachtelten Tabelle übernommen wird.

algorithm
Der Name eines Data Mining-Algorithmus, der vom Anbieter definiert wurde.

Hinweis

Eine Liste der vom aktuellen Anbieter unterstützten Algorithmen kann mithilfe DMSCHEMA_MINING_SERVICES Rowset abgerufen werden. Informationen zum Anzeigen der in der aktuellen Instanz von Analysis Services unterstützten Algorithmen finden Sie unter Data Mining-Eigenschaften.

Parameterliste
Optional. Eine durch Trennzeichen getrennte Liste mit anbieterdefinierten Parametern für den Algorithmus.

Filterkriterien
Ein Filterausdruck, der für die Spalten in der Falltabelle übernommen wird.

Hinweise

Wenn die Miningstruktur zusammengesetzte Schlüssel enthält, muss das Miningmodell alle Schlüsselspalten einschließen, die in der Struktur definiert sind.

Wenn für das Modell keine vorhersagbare Spalte erforderlich ist, z. B. Modelle, die mithilfe der Algorithmen Microsoft Clustering und Microsoft Sequence Clustering erstellt werden, müssen Sie keine Spaltendefinition in die Anweisung einschließen. Alle Attribute in dem sich ergebenden Modell werden als Eingaben behandelt.

In der WITH-Klausel , die für die Falltabelle gilt, können Sie Optionen für Filterung und Drillthrough angeben:

  • Fügen Sie das Schlüsselwort FILTER und eine Filterbedingung hinzu. Der Filter wird auf die Fälle im Miningmodell angewendet.

  • Fügen Sie das DRILLTHROUGH-Schlüsselwort hinzu, damit Benutzer des Miningmodells einen Drilldown von Modellergebnissen zu den Falldaten ausführen können. In Data Mining-Erweiterungen (DATA Mining Extensions, FEATURE) können Drillthrough nur aktiviert werden, wenn Sie das Modell erstellen.

Um sowohl die Fallfilterung als auch drillthrough zu verwenden, kombinieren Sie die Schlüsselwörter in einer einzigen WITH-Klausel mithilfe der im folgenden Beispiel gezeigten Syntax:

WITH DRILLTHROUGH, FILTER(Gender = 'Male')

Spaltendefinitionsliste (Column Definition List)

Sie definieren die Struktur eines Modells, indem Sie eine Spaltendefinitionsliste angeben, die die folgenden Informationen für jede Spalte enthält:

  • Name (obligatorisch)

  • Alias (optional)

  • Modellieren von Flags

  • Vorhersageanforderung, die für den Algorithmus angibt, ob die Spalte einen vorhersehbaren Wert enthält, der durch die PREDICT - oder PREDICT_ONLY-Klausel angegeben wird

Verwenden Sie die folgende Syntax für die Spaltendefinitionsliste, wenn Sie eine einzelne Spalte definieren möchten:

<structure column name>  [AS <model column name>]  [<modeling flags>]    [<prediction>]

Spaltenname und Alias

Der Spaltenname, den Sie in der Spaltendefinitionsliste verwenden, muss mit dem in der Miningstruktur verwendeten Spaltennamen identisch sein. Sie können jedoch optional einen Alias definieren, um die Strukturspalte im Miningmodell darzustellen. Außerdem können Sie mehrere Spaltendefinitionen für dieselbe Strukturspalte erstellen und jeder Kopie der Spalte einen anderen Alias und eine andere Vorhersageverwendung zuweisen. Standardmäßig wird der Name der Strukturspalte verwendet, falls Sie keinen Alias definieren. Weitere Informationen finden Sie unter Erstellen eines Alias für eine Modellspalte.

Für geschachtelte Tabellenspalten geben Sie den Namen der geschachtelten Tabelle an, geben den Datentyp als TABLE an, und geben Dann die Liste der geschachtelten Spalten an, die in das Modell eingeschlossen werden sollen, eingeschlossen in Klammern.

Sie können einen Filterausdruck definieren, der auf die geschachtelte Tabelle angewendet wird, indem Sie nach der Definition für die Spalte der geschachtelten Tabelle einen Filterkriterienausdruck anhängen.

Modellierungsflags

Analysis Services unterstützt die folgenden Modellierungskennzeichnungen für die Verwendung in Miningmodellspalten:

Hinweis

Das NOT NULL-Modellierungsflag gilt für die Miningstrukturspalte. Weitere Informationen finden Sie unter CREATE MINING STRUCTURE (MINING STRUCTURE, CREATE MINING STRUCTURE, MINING STRUCTURE, CREATE MINING

Begriff Definition
REGRESSOR Zeigt an, dass der Algorithmus die angegebene Spalte in der Regressionsformel von Regressionsalgorithmen verwenden kann.
MODEL_EXISTENCE_ONLY Gibt an, dass die Werte für die Attributspalte weniger wichtig sind als das Vorhandensein der Attribute.

Sie können mehrere Modellierungsflags für eine Spalte definieren. Weitere Informationen zur Verwendung von Modellierungskennzeichnungen finden Sie unter Modeling Flags (UNIVERSE).

Vorhersageklausel

Die Vorhersageklausel beschreibt, wie die Vorhersagespalte verwendet wird. In der folgenden Tabelle sind die möglichen Klauseln aufgelistet.

Klausel Beschreibung
PREDICT Diese Spalte kann vom Modell vorhergesagt werden, und ihre Werte können als Eingabe verwendet werden, um den Wert anderer vorhersagbarer Spalten vorherzusagen.
PREDICT_ONLY Diese Spalte kann vom Modell vorhergesagt werden, aber ihre Werte können in Eingabefällen nicht dazu verwendet werden, den Wert anderer vorhersagbarer Spalten vorherzusagen.

Filterkriterienausdrücke

Sie können einen Filter definieren, der die im Miningmodell verwendeten Fälle einschränkt. Der Filter kann auf die Spalten der Falltabelle, auf die Zeilen der geschachtelten Tabelle oder auf beides angewendet werden.

Filterkriterienausdrücke sind vereinfachte DMX-Prädikate und ähneln einer WHERE-Klausel. Filterausdrücke werden auf Formeln reduziert, die grundlegende mathematische Operatoren, Skalare und Spaltennamen verwenden. Eine Ausnahme bildet der EXISTS-Operator. Seine Auswertung ergibt TRUE, wenn mindestens eine Zeile für die Unterabfrage zurückgegeben wird. Prädikate können mit den allgemeinen logischen Operatoren kombiniert werden: AND, OR und NOT.

Weitere Informationen zu Filtern, die mit Miningmodellen verwendet werden, finden Sie unter Filters for Mining Models (Analysis Services - Data Mining).

Hinweis

Spalten in einem Filter müssen Miningstrukturspalten sein. Sie können keinen Filter für eine Modellspalte oder eine Spalte mit einem Alias erstellen.

Weitere Informationen zu OPERATORen und Syntax von OPERATORen finden Sie unter Mining-Modellspalten.

Parameterdefinitionsliste (Parameter Definition List)

Durch Hinzufügen von Algorithmusparametern zur Parameterliste können Sie die Leistung und die Funktionsweise eines Modells anpassen. Die Parameter, die Sie verwenden können, hängen vom Algorithmus ab, den Sie in der USING-Klausel angeben. Eine Liste der Parameter, die den einzelnen Algorithmus zugeordnet sind, finden Sie unter Data Mining-Algorithmen (Analysis Services - Data Mining).For a list of parameters that are associated with each algorithm, see Data Mining Algorithms (Analysis Services - Data Mining).

Die Syntax der Parameterliste sieht wie folgt aus:

[<parameter> = <value>, <parameter> = <value>,...]

Beispiel 1: Hinzufügen eines Modells zu einer Struktur

Im folgenden Beispiel wird der New Mailing Mining-Struktur ein Naive Bayes-Miningmodell hinzugefügt und die maximale Anzahl von Attributzuständen auf 50 begrenzt.

ALTER MINING STRUCTURE [New Mailing]  
ADD MINING MODEL [Naive Bayes]  
(  
    CustomerKey,   
    Gender,  
    [Number Cars Owned],  
    [Bike Buyer] PREDICT  
)  
USING Microsoft_Naive_Bayes (MAXIMUM_STATES = 50)

Beispiel 2: Hinzufügen eines gefilterten Modells zu einer Struktur

Im folgenden Beispiel wird der New Mailing Mining-Struktur ein Miningmodell hinzugefügtNaive Bayes Women. Das neue Modell verfügt über dieselbe grundlegende Struktur wie das Miningmodell, das in Beispiel 1 hinzugefügt wurde. Dieses Modell beschränkt die Fälle aus der Miningstruktur allerdings auf weibliche Kunden über 50 Jahre.

ALTER MINING STRUCTURE [New Mailing]  
ADD MINING MODEL [Naive Bayes Women]  
(  
    CustomerKey,   
    Gender,  
    [Number Cars Owned],  
    [Bike Buyer] PREDICT  
)  
USING Microsoft_Naive_Bayes  
WITH FILTER([Gender] = 'F' AND [Age] >50)

Beispiel 3: Hinzufügen eines gefilterten Modells zu einer Struktur mit einer geschachtelten Tabelle

Im folgenden Beispiel wird ein Miningmodell einer geänderten Version der Warenkorbminingstruktur hinzugefügt. Die im Beispiel verwendete Miningstruktur wurde geändert, um eine Spalte "Region" hinzuzufügen, die Attribute für die Kundenregion enthält, und eine Spalte "Einkommensgruppe", in der die Kundeneinkommen mithilfe der Werte "Hoch", "Mittel" oder "Niedrig" kategorisiert werden.

Die Miningstruktur schließt auch eine geschachtelte Tabelle ein, in der die Elemente, die der Kunde gekauft hat, aufgelistet werden.

Da die Miningstruktur eine geschachtelte Tabelle enthält, können Sie einen Filter auf die Falltabelle, die geschachtelte Tabelle oder beides anwenden. In diesem Beispiel werden ein Fallfilter und ein geschachtelter Zeilenfilter kombiniert, um die Fälle auf wohlhabende europäische Kunden zu beschränken, die eines der "Road"-Reifenmodelle gekauft haben.

ALTER MINING STRUCTURE [Market Basket with Region and Income]  
ADD MINING MODEL [Decision Trees]  
(  
    CustomerKey,   
    Region,  
    [Income Group],  
    [Product] PREDICT (Model)   
WITH FILTER (EXISTS (SELECT * FROM [v Assoc Seq Line Items] WHERE   
 [Model] = 'HL Road Tire' OR  
 [Model] = 'LL Road Tire' OR  
 [Model] = 'ML Road Tire' )  
)  
) WITH FILTER ([Income Group] = 'High' AND [Region] = 'Europe')  
USING Microsoft_Decision Trees

Weitere Informationen

Data Mining Extensions (DATA Mining Extensions, ABSCHNITT) Datendefinitionsanweisungen
DATA Mining Extensions (UNIVERSE) Datenmanipulationsanweisungen
Data Mining-Erweiterungen (DMX) - Anweisungsreferenz