Udostępnij za pośrednictwem

  • Artykuł

Lekcja 5: Wykonywanie kwerendy przewidywanie

W tej lekcji będzie używany WYBIERZ POZYCJĘ <Model> przewidywanie łączyć (DMX)postać instrukcja SELECT, aby utworzyć dwa różne typy prognoz opartych na modelu drzewo decyzyjne, utworzony w Lekcja 2: Dodawanie modele wyszukiwania do wyszukiwania skojarzenia struktura.Te typy przewidywanie są określone poniżej.

  • Pojedyncza kwerendy
    Za pomocą kwerendy pojedynczych podać wartości ad hoc, podczas tworzenia prognoz.Na przykład można określić, czy jednego odbiorcy jest prawdopodobnie nabywcy rowerów, przekazując dane wejściowe do kwerendy, takie jak odległość commute, numer kierunkowy lub liczby dzieci nabywcy.Kwerendy pojedynczych zwraca wartość wskazującą, jak prawdopodobne osoby zakupu roweru oparte na tych danych wejściowych.

  • Kwerendy partia
    Należy użyć kwerendy partia do określenia, którzy do tabela potencjalnych klientów jest prawdopodobnie zakupu roweru.Na przykład jeśli dział marketingu dostarcza listę klientów oraz atrybuty nabywcy, następnie służy przewidywanie zadań wsadowych do ustalenia, którzy z tabela jest prawdopodobne kupić roweru.

The SELECT FROM <model> przewidywanie łączyć (DMX) form of the SELECT instrukcja contains three parts:

  • Lista kolumn model wyszukiwania i funkcje prognozowania, które są zwracane w wynikach.Wyniki mogą również zawierać kolumny danych wejściowych z urządzenie źródłowe danych.

  • urządzenie źródłowe Kwerendy określania danych, który jest używany do tworzenia przewidywanie.Na przykład w kwerendzie partia może to być listę klientów.

  • Mapowanie między kolumnami model wyszukiwania i urządzenie źródłowe danych.Jeśli te nazwy są zgodne, następnie można użyć składni fizyczne i pozostawić poza mapowania kolumna.

Za pomocą funkcji przewidywanie można rozszerzyć dalsze kwerendy.Funkcje prognozowania zawierają dodatkowe informacje, takie jak prawdopodobieństwo przewidywanie występujących i zapewniają obsługę przewidywanie danych szkoleniowych.Aby uzyskać więcej informacji na temat funkcji przewidywanie zobacz Funkcje (DMX).

Prognoz, w tym samouczku są oparte na tabela ProspectiveBuyer AdventureWorksDW przykładowej bazy danych.Tabela ProspectiveBuyer zawiera listę potencjalnych klientów oraz ich właściwości skojarzone.Użytkownicy w tej tabela są niezależne od klientów, które były używane do tworzenia modeli wyszukiwania drzewo decyzyjne.

Można również tworzyć prognoz za pomocą Konstruktora kwerend przewidywanie w Business Intelligence Development Studio. Aby uzyskać więcej informacji zobaczTworzenie kwerendy prognozowania DMX za pomocą Konstruktora kwerend prognozowania.

Zadania lekcji

W tej lekcji będzie wykonywać następujące zadania:

  • Utwórz kwerendę pojedynczych do ustalenia, czy określonego odbiorcy jest prawdopodobne kupić roweru.

  • Tworzenie kwerendy partia, aby określić, którzy wymienione w tabela odbiorców, prawdopodobnie zakupu roweru.

Pojedyncza kwerendy

Pierwszym krokiem jest użycie Model, SELECT FROM < > przewidywanie łączyć (DMX) w kwerendzie przewidywanie pojedynczych. Poniżej przedstawiono ogólny przykład instrukcja pojedynczych:

SELECT <select list> FROM [<mining model name>] 
NATURAL PREDICTION JOIN
(SELECT '<value>' AS [<column>], ...)
AS [<input alias>]

W pierwszym wierszu kod definiuje kolumn z kwerendy powinien zwrócić i określa model wyszukiwania, który jest używany do generowania przewidywanie modelu wyszukiwania:

SELECT <select list> FROM [<mining model name>]

Następne wiersze kodu zdefiniować właściwości dla odbiorcy, który służy do tworzenia przewidywanie:

NATURAL PREDICTION JOIN
(SELECT '<value>' AS [<column>], ...)
AS [<input alias>]
ORDER BY <expression>

Jeśli określisz fizyczne łączyć przewidywanie, serwer odpowiada każdej kolumna z modelu kolumna z nazwy wejściowe, na podstawie kolumn.Jeśli nazwy kolumn nie są zgodne, w kolumnach są ignorowane.

Aby utworzyć kwerendę przewidywanie pojedyncza

  1. W Eksplorator obiektów, kliknij prawym przyciskiem myszy wystąpienie Analysis Services, wskaż polecenie Nowa kwerenda, a następnie kliknij przycisk DMX.

    Edytor kwerendy zostanie otwarty i zawiera kwerendę nową, pustą.

  2. Rodzajowy przykład pojedynczych instrukcja należy skopiować do pustego kwerendy.

  3. Zastąp następujące czynności:

    <select list>

    z:

    [Bike Buyer] AS Buyer, PredictHistogram([Bike Buyer]) AS Statistics

    Instrukcja AS jest używana do alias kolumn zwracanych przez kwerendę.The PredictHistogram funkcja returns statistics about the przewidywanie, including the probability and the support.Aby uzyskać więcej informacji na temat funkcji, które mogą być używane w instrukcja przewidywanie zobacz Funkcje (DMX).

  4. Zastąp następujące czynności:

    [<mining model>]

    z:

    [Decision Tree]

  5. Zastąp następujące czynności:

    (SELECT '<value>' AS [<column name>], ...)  AS t

    z:

    (SELECT 35 AS [Age],
  '5-10 Miles' AS [Commute Distance],
  '1' AS [House Owner Flag],
  2 AS [Number Cars Owned],
  2 AS [Total Children]) AS t

    Pełną instrukcję powinno być teraz w następujący sposób:

    SELECT
   [Bike Buyer] AS Buyer,
   PredictHistogram([Bike Buyer]) AS Statistics
FROM
   [Decision Tree]
NATURAL PREDICTION JOIN
(SELECT 35 AS [Age],
   '5-10 Miles' AS [Commute Distance],
   '1' AS [House Owner Flag],
   2 AS [Number Cars Owned],
   2 AS [Total Children]) AS t

  6. Na Plik menu kliknijZapisz DMXQuery1.dmx jako.

  7. W Zapisz jako -okno dialogowe, przejdź do odpowiedniego folderu i nazwę pliku Singleton_Query.dmx.

  8. Na pasku narzędzi kliknij przycisk wykonać przycisku.

    Kwerenda zwraca przewidywanie dotyczące czy klienta o określonych właściwościach powinien kupić rowerów, jak również statystyki dotyczące prognozowania tej wartości.

Kwerendy partia

Następnym krokiem jest użycie Model, SELECT FROM < > przewidywanie łączyć (DMX) w kwerendzie przewidywanie partia. Rodzajowy przykład instrukcja partia jest następująca:

SELECT TOP <number> <select list> 
FROM [<mining model name>]
PREDICTION JOIN
OPENQUERY([<datasource>],'<SELECT statement>')
  AS [<input alias>]
ON <on clause, mapping,>
WHERE <where clause, boolean expression,>
ORDER BY <expression>

Jak w kwerendzie pojedynczych pierwsze dwa wiersze kodu zdefiniować kolumny z modelu górnictwo zwracanych kwerendę, a także nazwę model wyszukiwania, który jest używany do generowania przewidywanie.TOP <numer> Instrukcja określa, że kwerendy będzie zwracać tylko liczby lub wyniki określone przez <numer>.

Następne wiersze kodu zdefiniować urządzenie źródłowe danych na podstawie prognoz:

OPENQUERY([<datasource>],'<SELECT statement>')
  AS [<input alias>]

Istnieje kilka możliwości dla metoda pobierania urządzenie źródłowe danych, ale w tej instrukcji można będzie użyć opcji OPENQUERY wysyłania.Aby uzyskać więcej informacji o dostępnych opcjach Zobacz <urządzenie urządzenie źródłowewe danych kwerendy>.

Następny wiersz definiuje mapowanie między źródłowych kolumn w model wyszukiwania i kolumny w danych źródłowych:

ON <column mappings>

Klauzula WHERE filtrowania wyniki zwróconych przez kwerendę przewidywanie:

WHERE <where clause, boolean expression,>

Ostatnie i opcjonalnie wiersz kodu określa kolumna, wyniki zostaną zamówione przez:

ORDER BY <expression> [DESC|ASC]

Użyj ORDER BY w połączeniu z TOP <numer> instrukcja, aby filtrować wyniki, które są zwracane. Na przykład w tym przewidywanie program wyświetli ponownie górny nabywców dziesięć rowerów, uporządkowane według prawdopodobieństwa przewidywanie, są poprawne.Składnia [DESC|ASC] służy do kontrolowania kolejności, w którym wyświetlane są wyniki.

Aby utworzyć kwerendę przewidywanie partia

  1. W Eksplorator obiektów, kliknij prawym przyciskiem myszy wystąpienie Analysis Services, wskaż polecenie Nowa kwerenda, a następnie kliknij przycisk DMX.

    Edytor kwerendy zostanie otwarty i zawiera kwerendę nową, pustą.

  2. Skopiuj przykład ogólna instrukcja partia do kwerendy puste.

  3. Zastąp następujące czynności:

    <select list>

    z:

    SELECT
  TOP 10
  t.[LastName],
  t.[FirstName],
  [Decision Tree].[Bike Buyer],
  PredictProbability([Bike Buyer])

    TOP 10 określa, że górny dziesięć wyniki zostaną zwrócone przez kwerendę.Instrukcja ORDER BY w tej kwerendzie zamówień wyniki przez prawdopodobieństwo przewidywanie, są poprawne, zwracane są tylko 10 najczęściej wyniki.

  4. Zastąp następujące czynności:

    [<mining model>]

    z:

    [Decision Tree]

  5. Zastąp następujące czynności:

    OPENQUERY([<datasource>],'<SELECT statement>')

    z:

      OPENQUERY([Adventure Works DW],
    'SELECT
      [LastName],
      [FirstName],
      [MaritalStatus],
      [Gender],
      [YearlyIncome],
      [TotalChildren],
      [NumberChildrenAtHome],
      [Education],
      [Occupation],
      [HouseOwnerFlag],
      [NumberCarsOwned]
    FROM
      [dbo].[ProspectiveBuyer]
    ') AS t

  6. Zastąp następujące czynności:

    <ON clause, mapping,> 
WHERE <where clause, boolean expression,>
ORDER BY <expression>

    z:

    [Decision Tree].[Marital Status] = t.[MaritalStatus] AND
  [Decision Tree].[Gender] = t.[Gender] AND
  [Decision Tree].[Yearly Income] = t.[YearlyIncome] AND
  [Decision Tree].[Total Children] = t.[TotalChildren] AND
  [Decision Tree].[Number Children At Home] = t.[NumberChildrenAtHome] AND
  [Decision Tree].[Education] = t.[Education] AND
  [Decision Tree].[Occupation] = t.[Occupation] AND
  [Decision Tree].[House Owner Flag] = t.[HouseOwnerFlag] AND
  [Decision Tree].[Number Cars Owned] = t.[NumberCarsOwned]
WHERE [Decision Tree].[Bike Buyer] =1
ORDER BY PredictProbability([Bike Buyer]) DESC

    Określ DESC Aby najpierw na liście wyniki z najwyższym prawdopodobieństwa.

    Pełną instrukcję powinno być teraz w następujący sposób:

    SELECT
  TOP 10
  t.[LastName],
  t.[FirstName],
  [Decision Tree].[Bike Buyer],
  PredictProbability([Bike Buyer])
FROM
  [Decision Tree]
PREDICTION JOIN
  OPENQUERY([Adventure Works DW],
    'SELECT
      [LastName],
      [FirstName],
      [MaritalStatus],
      [Gender],
      [YearlyIncome],
      [TotalChildren],
      [NumberChildrenAtHome],
      [Education],
      [Occupation],
      [HouseOwnerFlag],
      [NumberCarsOwned]
    FROM
      [dbo].[ProspectiveBuyer]
    ') AS t
ON
  [Decision Tree].[Marital Status] = t.[MaritalStatus] AND
  [Decision Tree].[Gender] = t.[Gender] AND
  [Decision Tree].[Yearly Income] = t.[YearlyIncome] AND
  [Decision Tree].[Total Children] = t.[TotalChildren] AND
  [Decision Tree].[Number Children At Home] = t.[NumberChildrenAtHome] AND
  [Decision Tree].[Education] = t.[Education] AND
  [Decision Tree].[Occupation] = t.[Occupation] AND
  [Decision Tree].[House Owner Flag] = t.[HouseOwnerFlag] AND
  [Decision Tree].[Number Cars Owned] = t.[NumberCarsOwned]
WHERE [Decision Tree].[Bike Buyer] =1
ORDER BY PredictProbability([Bike Buyer]) DESC

  7. Na Plik menu kliknijZapisz DMXQuery1.dmx jako.

  8. W Zapisz jako -okno dialogowe, przejdź do odpowiedniego folderu i nazwę pliku Batch_Prediction.dmx.

  9. Na pasku narzędzi kliknij przycisk wykonać przycisku.

    Kwerenda zwraca tabela zawierającej nazwy odbiorcy, prognozowania z czy każdego odbiorcy będzie zakupu roweru i prawdopodobieństwo przewidywanie.

Jest to ostatni krok w samouczku Bike kupującego.Masz teraz zestaw modeli wyszukiwania, które służy do eksplorowania podobieństwa między użytkownikiem klientów i przewidywania, czy potencjalni klienci będą zakupu roweru.

Aby dowiedzieć się, jak używać DMX w scenariuszu koszyk rynku, zobacz Samouczek dotyczący DMX koszyk rynku.