Freigeben über


Zuordnen von Funktionen zu Abfragetypen (DMX)

Sie können die SELECT-Anweisung in Data Mining-Erweiterungen (DMX) verwenden, um Abfragen unterschiedlichen Typs zu erstellen. Mit einer Abfrage können Informationen über das Miningmodell zurückgegeben, neue Vorhersagen erstellt oder das Modell durch Trainieren mit neuen Daten geändert werden. SQL Server 2008 Analysis Services (SSAS) bietet verschiedene Sonderfunktionen, mit denen die in einer Abfrage zurückgegebenen Informationen gesteuert werden. Durch Hinzufügen dieser Funktionen zu einer DMX-Abfrage können Sie zusätzliche statistische Daten oder Datenspalten abrufen. Jeder Abfragetyp und jeder Modelltyp unterstützt jedoch nur bestimmte Funktionen.

Allgemeine Funktionen

Mit Funktionen können Sie die Ergebnisse erweitern, die von einem Miningmodell zurückgegeben werden. Die folgenden Funktionen können Sie für jede SELECT-Anweisung verwenden, die einen Tabellenausdruck zurückgibt:

Außerdem werden die folgenden Funktionen für fast alle Modelltypen unterstützt:

Einzelne Algorithmen unterstützen möglicherweise weitere Funktionen. Eine Liste der Funktionen, die von jedem Modelltyp unterstützt werden, finden Sie unter Abfragen von Data Mining-Modellen (Analysis Services - Data Mining).

Spezielle Funktionen für die SELECT-Syntax

In der folgenden Tabelle sind die Funktionen aufgeführt, die Sie für die unterschiedlichen Typen der SELECT-Anweisung verwenden können.

Allgemeine Informationen zu Funktionen in DMX finden Sie unter Data Mining-Erweiterungen (DMX) - Funktionsreferenz.

Abfragetyp

Unterstützte Funktionen

Hinweise

SELECT DISTINCT FROM <Modell>

RangeMin (DMX)

RangeMid (DMX)

RangeMax (DMX)

Mit diesen Funktionen können maximale Werte, minimale Werte und Durchschnittswerte für jede Spalte angegeben werden, die einen numerischen Datentyp enthält. Dies ist unabhängig davon, ob die Spalte kontinuierliche oder diskrete Werte enthält.

SELECT FROM <Modell>.CONTENT

- Oder -

SELECT FROM <Modell>.DIMENSION_CONTENT

IsDescendant (DMX)

Mit dieser Funktion werden untergeordnete Knoten für den angegebenen Knoten im Modell abgerufen. Die Funktion kann beispielsweise zum Durchlaufen der Knoten im Miningmodellinhalt verwendet werden. Die Anordnung der Knoten im Miningmodellinhalt hängt vom Modeltyp ab. Weitere Informationen zur Struktur für die einzelnen Miningmodelltypen finden Sie unter Miningmodellinhalt (Analysis Services - Data Mining).

Wenn Sie den Miningmodellinhalt als Dimension gespeichert haben, können Sie auch andere Multidimensional Expressions-Funktionen (MDX) verwenden, die für die Abfrage in einer Attributhierarchie verfügbar sind.

SELECT FROM <model>.CASES

IsInNode (DMX)

ClientSettingsGeneralFlag-Klasse

IsTrainingCase (DMX)

IsTestCase (DMX)

Die Lag-Funktion wird nur für Zeitreihenmodelle unterstützt.

Die IsTestCase-Funktion wird in Modellen unterstützt, die auf einer mit der Option zum Zurückhalten der Daten erstellten Struktur basieren, um ein Testdataset zu erstellen. Wenn das Modell nicht auf einer Struktur mit einem Zurückhaltungstestdataset basiert, werden alle Fälle als Trainingsfälle interpretiert.

SELECT FROM <model>.SAMPLE_CASES

IsInNode (DMX)

In diesem Zusammenhang gibt die IsInNode-Funktion einen Fall zurück, der zu einem Satz idealer Beispielfälle gehört.

SELECT FROM <model>.PMML

Nicht zutreffend. Verwenden Sie stattdessen XML-Abfragefunktionen.

PMML-Darstellungen werden nur für die folgenden Modelltypen unterstützt:

Microsoft Decision Trees

Microsoft Clustering

SELECT FROM <model> PREDICTION JOIN

Vorhersagefunktionen, die speziell für den Algorithmus verwendet werden, mit dem Sie das Modell erstellen.

Eine Liste der Vorhersagefunktionen für die einzelnen Modelltypen finden Sie unter Abfragen von Data Mining-Modellen (Analysis Services - Data Mining).

SELECT FROM <Modell>

Vorhersagefunktionen, die speziell für den Algorithmus verwendet werden, mit dem Sie das Modell erstellen.

Eine Liste der Vorhersagefunktionen für die einzelnen Modelltypen finden Sie unter Abfragen von Data Mining-Modellen (Analysis Services - Data Mining).