ALTER MINING STRUCTURE(DMX)

아티클
05/07/2013

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 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(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

참고 항목

참조

DMX(Data Mining Extensions) 데이터 정의 문

DMX(Data Mining Extensions) 데이터 조작 문

DMX(Data Mining Extensions) 문 참조

다음을 통해 공유