다음을 통해 공유


ALTER MINING STRUCTURE(DMX)

기존 마이닝 구조를 기반으로 새 마이닝 모델을 만듭니다. ALTER MINING STRUCTURE 문을 사용하여 새 마이닝 모델을 만드는 경우 구조가 이미 존재해야 합니다. 반대로 CREATE MINING MODEL(DMX) 문을 사용하는 경우 사용자가 모델을 만들면 이와 동시에 기본 마이닝 구조가 자동으로 생성됩니다.

구문

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>)]

인수

  • structure
    마이닝 모델을 추가할 마이닝 구조의 이름입니다.

  • model
    고유한 마이닝 모델 이름입니다.

  • column definition list
    쉼표로 구분된 열 정의 목록입니다.

  • nested column definition list
    쉼표로 구분된 중첩 테이블 열 목록입니다(해당될 경우).

  • nested filter criteria
    중첩 테이블의 열에 적용되는 필터 식입니다.

  • algorithm
    공급자가 정의한 데이터 마이닝 알고리즘의 이름입니다.

    [!참고]

    현재 공급자가 지원하는 알고리즘 목록은 DMSCHEMA_MINING_SERVICES 행 집합을 사용하여 검색할 수 있습니다. 현재 Analysis Services 인스턴스에서 지원되는 알고리즘을 보려면 데이터 마이닝 속성을 참조하십시오.

  • parameter list
    선택 사항입니다. 알고리즘에 대해 공급자가 정의한 매개 변수의 쉼표로 구분된 목록입니다.

  • filter criteria
    사례 테이블의 열에 적용되는 필터 식입니다.

주의

마이닝 구조에 복합 키가 포함된 경우 이 구조에서 정의한 모든 키 열이 마이닝 모델에 포함되어야 합니다.

Microsoft 클러스터링 및 Microsoft 시퀀스 클러스터링 알고리즘을 사용하여 작성한 모델과 같이 모델에 예측 가능한 열이 필요하지 않을 경우에는 문에 열 정의를 포함하지 않아도 됩니다. 결과 모델의 모든 특성은 입력으로 처리됩니다.

사례 테이블에 적용되는 WITH 절에는 필터링과 드릴스루 모두를 위한 옵션을 지정할 수 있습니다.

  • FILTER 키워드 및 필터 조건을 추가합니다. 그러면 필터가 마이닝 모델의 사례에 적용됩니다.

  • DRILLTHROUGH 키워드를 추가하여 마이닝 모델의 사용자가 모델 결과에서 사례 데이터로 드릴다운할 수 있도록 합니다. DMX(Data Mining Extensions)에서는 모델을 만들 때만 드릴스루를 사용할 수 있습니다.

사례 필터링과 드릴스루를 모두 사용하려면 다음 예에 표시된 구문을 사용하여 단일 WITH 절에 여러 키워드를 함께 사용합니다.

WITH DRILLTHROUGH, FILTER(Gender = 'Male')

열 정의 목록

각 열에 대해 다음과 같은 정보가 포함된 열 정의 목록을 지정하여 모델 구조를 정의합니다.

  • 이름(필수)

  • 별칭(옵션)

  • 모델링 플래그

  • 예측 요청 – 열에 예측 가능한 값이 포함되어 있는지 여부를 알고리즘에 알리며 PREDICT 또는 PREDICT_ONLY 절로 표시됩니다.

열 정의 목록에 대해 다음 구문을 사용하여 단일 열을 정의합니다.

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

열 이름 및 별칭

열 정의 목록에 사용하는 열 이름은 마이닝 구조에 사용된 열 이름이어야 합니다. 그러나 필요에 따라 마이닝 모델의 구조 열을 나타내는 별칭을 정의할 수 있습니다. 또한 같은 구조 열에 대한 열 정의를 여러 개 만든 다음 각각의 열 복사본에 서로 다른 별칭과 예측 사용을 할당할 수 있습니다. 기본적으로 구조 열 이름은 별칭을 정의하지 않은 경우에 사용됩니다. 자세한 내용은 방법: 모델 열의 별칭 만들기를 참조하십시오.

중첩 테이블 열의 경우 중첩 테이블의 이름을 지정하고 데이터 형식을 TABLE로 지정한 다음 모델에 포함할 중첩 열의 목록을 괄호로 묶어 제공합니다.

필터 조건 식을 중첩 테이블 열 정의 뒤에 추가하여 중첩 테이블에 적용되는 필터 식을 정의할 수 있습니다.

모델링 플래그

Analysis Services는 마이닝 모델 열에 사용할 수 있도록 다음 모델링 플래그를 지원합니다.

[!참고]

NOT_NULL 모델링 플래그는 마이닝 구조 열에 적용됩니다. 자세한 내용은 CREATE MINING STRUCTURE(DMX)를 참조하십시오.

용어

정의

REGRESSOR

회귀 알고리즘의 회귀 수식에 지정된 열을 사용할 수 있음을 나타냅니다.

MODEL_EXISTENCE_ONLY

특성의 존재 여부가 특성 열의 값보다 더 중요함을 나타냅니다.

열 하나에 대해 여러 개의 모델링 플래그를 정의할 수 있습니다. 모델링 플래그 사용 방법은 모델링 플래그(DMX)를 참조하십시오.

예측 절

예측 절은 예측 열의 사용 방법을 설명합니다. 다음 표에서는 가능한 절을 보여 줍니다.

PREDICT

모델에서 이 열을 예측할 수 있으며 열 값은 다른 예측 가능한 열의 값을 예측하기 위한 입력으로 사용할 수 있습니다.

PREDICT_ONLY

이 열은 모델에 의해 예측될 수 있지만 이 열의 값을 입력 사례에 사용하여 다른 예측 가능 열 값을 예측할 수는 없습니다.

필터 조건 식

마이닝 모델에 사용되는 사례를 제한하는 필터를 정의할 수 있습니다. 필터는 사례 테이블의 열 또는 중첩 테이블의 행에 적용하거나 둘 다에 적용할 수 있습니다.

필터 조건 식은 간단한 DMX 조건자로서 WHERE 절과 비슷합니다. 필터 식은 기본 수치 연산자, 스칼라 및 열 이름을 사용하는 수식으로 제한됩니다. 단, EXISTS 연산자는 예외입니다. 이 연산자는 하위 쿼리에 대해 반환되는 행이 한 개 이상일 경우 True로 평가됩니다. 조건자는 일반 논리 연산자(AND, OR 및 NOT)를 사용하여 결합할 수 있습니다.

마이닝 모델에 사용되는 필터에 대한 자세한 내용은 마이닝 모델에 대한 필터 만들기(Analysis Services - 데이터 마이닝)를 참조하십시오.

[!참고]

필터의 열은 마이닝 구조 열이어야 합니다. 모델 열이나 별칭이 지정된 열에 대한 필터는 만들 수 없습니다.

DMX 연산자 및 구문에 대한 자세한 내용은 마이닝 모델 열을 참조하십시오.

매개 변수 정의 목록

매개 변수 목록에 알고리즘 매개 변수를 추가하여 모델의 성능과 기능을 조정할 수 있습니다. 사용할 수 있는 매개 변수는 USING 절에 지정한 알고리즘에 따라 달라집니다. 각 알고리즘과 관련된 매개 변수 목록은 데이터 마이닝 알고리즘(Analysis Services - 데이터 마이닝)을 참조하십시오.

매개 변수 목록의 구문은 다음과 같습니다.

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

예 1: 구조에 모델 추가

다음 예에서는 Naive Bayes 마이닝 모델을 New Mailing 마이닝 구조에 추가하고 최대 특성 상태 수를 50으로 제한합니다.

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)

예 2: 구조에 필터링된 모델 추가

다음 예에서는 Naive Bayes Women 마이닝 모델을 New Mailing 마이닝 구조에 추가합니다. 새 모델의 기본 구조는 예 1에서 추가한 마이닝 모델과 같지만 이 모델에서는 마이닝 구조의 사례를 51세 이상의 여성 고객으로 제한합니다.

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)

예 3: 중첩 테이블이 포함된 구조에 필터링된 모델 추가

다음 예에서는 시장 바구니 마이닝 구조의 수정된 버전에 마이닝 모델을 추가합니다. 이 예에 사용된 마이닝 구조는 High, Moderate 또는 Low 값을 사용하여 고객의 소득을 분류하는 Income Group 열과 고객 지역에 대한 특성을 포함하는 Region 열을 추가하도록 수정되었습니다.

이 마이닝 구조에는 고객이 구매한 항목을 나열하는 중첩 테이블도 포함되어 있습니다.

마이닝 구조에 중첩 테이블이 포함되어 있으므로 사례 테이블, 중첩 테이블 또는 두 테이블 모두에 대한 필터를 정의할 수 있습니다. 이 예에서는 Road Tire 모델 중 하나를 구매한 부유한 유럽 고객으로 사례를 제한하기 위해 사례 필터와 중첩 행 필터를 결합합니다.

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