Udostępnij za pośrednictwem


ZMIENIA struktura wyszukiwania (DMX)

Tworzy nowy model wyszukiwania, oparty na istniejącej struktura wyszukiwania.Po użyciu ALTER MINING STRUCTURE instrukcję, aby utworzyć nowy model wyszukiwania, struktura musi już istnieć. Z drugiej strony, gdy używana jest instrukcja, UTWÓRZ MODEL WYSZUKIWANIA (DMX), Utwórz model i automatycznie wygenerować jego podstawowej struktura wyszukiwania w tym samym czasie.

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>)]

Argumenty

  • structure
    Nazwa struktura wyszukiwania zostanie dodany model wyszukiwania.

  • model
    Unikatowa nazwa model wyszukiwania.

  • column definition list
    Rozdzielana przecinkami lista kolumna definicje.

  • nested column definition list
    Rozdzielana przecinkami lista kolumn z tabela zagnieżdżonej, jeśli ma zastosowanie.

  • nested filter criteria
    Wyrażenie filtru, który jest stosowany do kolumn w tabela zagnieżdżonej.

  • algorithm
    Nazwa algorytmu wyszukiwanie danych, zdefiniowane przez dostawca.

    Uwaga

    Listę algorytmów, obsługiwane przez bieżącego dostawca mogą być pobierane za pomocą Zestaw wierszy DMSCHEMA_MINING_SERVICES. Aby wyświetlić algorytmów, obsługiwane w bieżącym wystąpieniu programu Analysis Services, zobacz Data Mining Properties.

  • parameter list
    Opcjonalne.Rozdzielana przecinkami lista parametry zdefiniowane przez dostawca dla algorytmu.

  • filter criteria
    Wyrażenie filtru stosowanego do kolumn w tabela przypadek.

Remarks

Jeśli struktura wyszukiwania zawiera klucze złożony, model wyszukiwania musi zawierać wszystkie kolumny kluczy są zdefiniowane w strukturze.

Jeśli model nie wymaga przewidywalna kolumna, na przykład modele, które są wbudowane przy użyciu Microsoft Klastrowanie i Microsoft Sekwencja usługa klastrowania algorytmów, nie trzeba uwzględnić definicji kolumn w instrukcja. Wszystkie atrybuty w modelu wynikowy będzie traktowana jako danych wejściowych.

W WITH Klauzula ma zastosowanie przypadek tabela, można określić opcje filtrowania i przeglądanie szczegółowe:

  • Dodawanie FILTER słowo kluczowe, a warunek filtra. Filtr ma zastosowanie do spraw z modeli wyszukiwania.

  • Dodawanie DRILLTHROUGH słowo kluczowe, aby umożliwić użytkownikom drążenia z wyniki modelu do modelu górnictwo przypadek danych. W danych wyszukiwania rozszerzeń (DMX), mogą być włączone przeglądanie szczegółowe, jedynie podczas tworzenia modelu.

Aby użyć zarówno liter jak filtrowanie i przeglądanie szczegółowe, łączenie słów kluczowych w jednym WITH Klauzula przy użyciu składni w następującym przykładzie:

WITH DRILLTHROUGH, FILTER(Gender = 'Male')

Lista definicji kolumna

Do definiowania struktury modelu przez określenie listy definicji kolumna, która zawiera następujące informacje dla każdej kolumna:

  • Nazwa (obowiązkowe)

  • Alias (opcjonalnie)

  • Flagi modelowania

  • Żądanie przewidywanie, co oznacza algorytm, czy kolumna zawiera wartości przewidywalny, wskazywany przez PREDICT lub PREDICT_ONLY Klauzula

Określenie jednej kolumnie, należy użyć następującej składni dla listy definicji kolumna:

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

Nazwa kolumna i alias

Nazwa kolumna, której używa się kolumna listy definicji musi być nazwę kolumna, jak jest on używany w struktura wyszukiwania.Opcjonalnie można jednak określić alias do reprezentowania struktury kolumna w model wyszukiwania.Można również tworzyć wiele definicji kolumn na tej samej kolumnie struktury i przypisać inny alias i przewidywanie wykorzystania kopii każdej kolumna.Domyślnie nazwa kolumna struktura jest używana po zdefiniowaniu alias.Aby uzyskać więcej informacji zobaczJak Tworzenie aliasu kolumna model.

W przypadku kolumn w tabela zagnieżdżonej należy określić nazwę tabela zagnieżdżonej, określ typ danych jako TABLE, a następnie podaj listy kolumn zagnieżdżonych, które mają zostać uwzględnione w modelu, w nawiasach.

Można zdefiniować wyrażenie filtru, które jest stosowane do tabeli zagnieżdżonej przez umieszczenie wyrażenie ustalające kryteria filtru po tabeli zagnieżdżonej kolumna definicji.

Modelowanie flagi

Analysis Services obsługuje następujące flagi modelowania do użytku w kolumnach model wyszukiwania:

Uwaga

NOT_NULL, modelowania flagi odnosi się do kolumna struktura wyszukiwania.Aby uzyskać więcej informacji zobaczTWORZENIE struktura wyszukiwania (DMX).

Termin

Definicja

REGRESSOR

Wskazuje, że algorytm mogą korzystać z określonej kolumna w formule regresja algorytmów regresja.

MODEL_EXISTENCE_ONLY

Wskazuje, że wartości kolumna atrybut jest ważniejszy niż obecność atrybutu.

Można zdefiniować wiele flag modelowania dla kolumna.Aby uzyskać więcej informacji na temat używania flagi modelowania zobacz Modelowanie flagi (DMX).

Klauzula przewidywanie

Klauzula przewidywanie opisano, w jaki sposób jest używana kolumna przewidywanie.W poniższej tabela wymieniono możliwe klauzul.

PREDICT

To kolumna można przewidzieć przez model, a jego wartości mogą być używane jako dane wejściowe do przewidywania wartości innych przewidywalne s kolumna.

PREDICT_ONLY

W tej kolumnie można przewidzieć za pomocą modelu, ale jego wartości nie mogą być używane w przypadku wprowadzania do przewidywania wartości z innych kolumn przewidywalne.

Wyrażenia kryteria filtrowania

Można zdefiniować filtr, który ogranicza sprawy, które są używane w model wyszukiwania.Filtr można stosować do kolumn przypadek tabela lub wierszy w tabela zagnieżdżonej lub do obu firm.

Wyrażenia kryteriów filtru są uproszczone predykaty DMX podobna do klauzula WHERE.Wyrażenia filtru są ograniczone do formuły, które korzystają z podstawowych operatorów matematycznych, scalars i nazw kolumn.Wyjątkiem jest EXISTS operator; go ma wartość true, jeśli co najmniej jeden wiersz jest zwracana dla podkwerenda.Predykaty mogą być połączone za pomocą wspólnych operatorów logicznych: AND, OR i NOT.

Aby uzyskać więcej informacji na temat filtry używane w modelach wyszukiwania zobacz Tworzenie filtrów dla modeli wyszukiwania (Analysis Services — wyszukiwanie danych).

Uwaga

Kolumny w filtrze musi być struktura wyszukiwania kolumn.Nie można utworzyć filtr, kolumna model lub kolumną aliasu.

Aby uzyskać więcej informacji na temat operatorów DMX i składni zobacz Kolumny górnictwie modelu.

Lista definicji parametrów

Można dostosować wydajność i funkcjonalność modelu przez dodanie parametrów algorytmu do listy parametrów.Parametry, których można użyć zależą od określonej w klauzula przy użyciu algorytmu.Aby uzyskać listę parametrów, które są skojarzone z każdym algorytmu zobacz Algorytmy wyszukiwania danych (Analysis Services — wyszukiwanie danych).

Składnia lista parametrów jest następująca:

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

Przykład 1: Dodawanie modelu do struktura

W następującym przykładzie dodano Naive Bayes model wyszukiwania, aby Nowe wysyłkowe struktura wyszukiwania i ogranicza maksymalną liczbę stanów atrybutu do 50.

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)

Przykład 2: Dodawanie filtrowanych modelu do struktura

W następującym przykładzie dodano model wyszukiwania Naive Bayes Women, aby Nowe wysyłkowe struktura wyszukiwania.Nowy model ma taką samą strukturę podstawową jako model wyszukiwania, który został dodany w przykładzie 1; jednak w tym modelu ogranicza przypadkach z struktura wyszukiwania kobieta klientów w wieku powyżej 50.

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)

Przykład 3: Dodawanie filtrowanych modelu do struktury z tabela zagnieżdżoną

W następującym przykładzie dodano modelu górnictwo zmodyfikowanej wersji koszyka rynku struktura wyszukiwania.Struktura wyszukiwania używane w tym przykładzie została zmodyfikowana tak, aby dodać Region kolumna, która zawiera atrybuty dla regionu nabywcy i Grupy dochodu kolumna, która dzieli dochód klienta przy użyciu wartości Wysoka, Średni, or Niski.

Struktura wyszukiwania umożliwia także zagnieżdżoną tabela zawierającą listę elementów, które nabyła nabywcy.

Ponieważ struktura wyszukiwania zawiera zagnieżdżoną tabelę, można zdefiniować filtr przypadek tabeli, tabela zagnieżdżona lub oba.W tym przykładzie łączy filtru przypadek i zagnieżdżonych wiersz filtru do ograniczenia w przypadkach wealthy Europejskiego klientom, którzy zakupionych jedną drogi opona modeli.

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