UTWÓRZ MODEL WYDOBYCIA (DMX)

Dotyczy: usług SQL Server Analysis Services

Tworzy zarówno nowy model kopania, jak i strukturę kopania w bazie danych. Model można stworzyć albo definiując nowy model w instrukcji, albo używając Predictive Model Markup Language (PMML). Ta druga opcja jest przeznaczona tylko dla zaawansowanych użytkowników.

Struktura górnicza nazywa się przez dodanie "_structure" do nazwy modelu, co zapewnia, że nazwa struktury jest unikalna względem nazwy modelu.

Aby stworzyć model wydobycia dla istniejącej struktury górniczej, użyj instrukcji ALTER MINING STRUCTURE (DMX).

Syntax

  
CREATE [SESSION] MINING MODEL <model>  
(  
    [(<column definition list>)]  
)  
USING <algorithm> [(<parameter list>)] [WITH DRILLTHROUGH]  
CREATE MINING MODEL <model> FROM PMML <xml string>  

Arguments

model
Unikalna nazwa modelu.

Lista definicji kolumn
Lista definicji kolumn oddzielonych przecinkami.

algorytm
Nazwa algorytmu eksploracji danych, zdefiniowanego przez obecnego dostawcę.

Note

Listę algorytmów obsługiwanych przez obecnego dostawcę można pozyskać, używając DMSCHEMA_MINING_SERVICES Rowset. Aby zobaczyć algorytmy obsługiwane w obecnej instancji Usług Analitycznych, zobacz Właściwości Eksploracji Danych.

Lista parametrów
Optional. Lista parametrów definiowanych przez dostawcę dla algorytmu oddzielona przecinkami.

Ciąg XML
(Tylko do użytku zaawansowanego.) Model kodowany w XML (PMML). Ciąg musi być otoczony pojedynczymi cudzysłowami (').

Klauzula SESSION pozwala stworzyć model kopania, który jest automatycznie usuwany z serwera po zamknięciu połączenia lub zakończeniu sesji. Modele eksploracji SESSION są przydatne, ponieważ nie wymagają od użytkownika administratora bazy danych i zajmują miejsce na dysku tylko tak długo, jak długo połączenie jest otwarte.

Klauzula WITH DRILLTHROUGH umożliwia przewiercanie się przez nowy model górnictwa. Drillthrough można włączyć tylko podczas tworzenia modelu. Dla niektórych typów modeli wymagane jest przejście przez wiertło, aby przeglądać model w niestandardowym przeglądarce. Drillthrough nie jest wymagany do predykcji ani przeglądania modelu za pomocą Microsoft Generic Content Tree Viewer.

Instrukcja CREATE MINING MODEL tworzy nowy model górnictwa oparty na liście definicji kolumn, algorytmie oraz liście parametrów algorytmu.

Lista definicji kolumn

Strukturę modelu używającego listy definicji kolumn definiujesz, dodając następujące informacje dla każdej kolumny:

• Nazwa (obowiązkowa)

• Typ danych (obowiązkowy)

• Distribution

• Lista flag modelarskich

• Typ treści (obowiązkowy)

• Żądanie predykcji, które wskazuje algorytmowi przewidywanie tej kolumny, oznaczone przez PREDICT lub PREDICT_ONLY klauzulę

• Związek z kolumną atrybutu (obowiązkowy tylko jeśli ma zastosowanie), wskazywany przez klauzulę RELATED TO

Użyj następującej składni dla listy definicji kolumn, aby zdefiniować pojedynczą kolumnę:

<column name>    <data type>    [<Distribution>]    [<Modeling Flags>]    <Content Type>    [<prediction>]    [<column relationship>]   

Użyj następującej składni dla listy definicji kolumn, aby zdefiniować zagnieżdżoną kolumnę tabeli:

<column name>    TABLE    [<prediction>] ( <non-table column definition list> )  

Poza modelowaniem flag, możesz użyć maksymalnie jednej klauzuli z danej grupy do zdefiniowania kolumny. Możesz zdefiniować wiele flag modelowania dla kolumny.

Aby uzyskać listę typów danych, typów treści, rozkładów kolumn oraz flag modelowania, które można wykorzystać do zdefiniowania kolumny, zobacz następujące tematy:

• Typy danych (wyszukiwania danych)

• Typy zawartości (wyszukiwania danych)

• Rozkłady kolumn (wyszukiwania danych)

• Flagi modelowania (wyszukiwania danych)

Możesz dodać klauzulę do stwierdzenia opisującą relację między dwiema kolumnami. Usługi analizy wspierają użycie następującej klauzuli <relacji> kolumn.

POWIĄZANE Z
Ta forma wskazuje hierarchię wartości. Celem kolumny RELATED TO może być kolumna klucza w zagnieżdżonej tabeli, kolumna o wartości dyskretnej w wierszu przypadku lub inna kolumna z klauzulą RELATED TO, która wskazuje na głębszą hierarchię.

Użyj klauzuli predykcyjnej, aby opisać, jak używana jest kolumna predykcji. Poniższa tabela opisuje dwie możliwe klauzule.

<Klauzula predykcyjna>	Description
PRZEWIDYWANIE	Kolumna ta może być przewidywana przez model i może być dostarczana w przypadkach wejściowych do przewidywania wartości innych przewidywalnych kolumn.
PREDICT_ONLY	Kolumna ta może być przewidziana przez model, ale jej wartości nie mogą być używane w przypadkach wejściowych do przewidywania wartości innych przewidywalnych kolumn.

Lista definicji parametrów

Możesz użyć listy parametrów, aby dostosować wydajność i funkcjonalność modelu wydobycia. Składnia listy parametrów wygląda następująco:

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

Listę parametrów powiązanych z każdym algorytmem można znaleźć w artykule Data Mining Algorithms (Analysis Services - Data Mining).

Remarks

Jeśli chcesz stworzyć model z wbudowanym zbiorem danych testowych, powinieneś użyć instrukcji CREATE MINING STRUCTURE, a następnie ALTER MINING STRUCTURE. Jednak nie wszystkie typy modeli obsługują zestaw danych z wytrzymywania danych. Aby uzyskać więcej informacji, zobacz CREATE MINING STRUCTURE (DMX).

Aby dowiedzieć się, jak stworzyć model wydobycia za pomocą instrukcji CREATEMODEL, zobacz Time Series Prediction DMX Tutorial.

Przykład Naivnego Bayesa

Poniższy przykład wykorzystuje algorytm Microsoft Naive Bayes do stworzenia nowego modelu wydobycia. Kolumna Kupujący Rower jest definiowana jako przewidywalna cecha.

CREATE MINING MODEL [NBSample]  
(  
    CustomerKey LONG KEY,   
    Gender TEXT DISCRETE,  
    [Number Cars Owned] LONG DISCRETE,  
    [Bike Buyer] LONG DISCRETE PREDICT  
)  
USING Microsoft_Naive_Bayes  

Przykład modelu asocjacji

Poniższy przykład wykorzystuje algorytm Microsoft Association do stworzenia nowego modelu wydobycia. Sformułowanie wykorzystuje możliwość zagnieżdżenia tabeli w definicji modelu poprzez użycie kolumny tabelowej. Model jest modyfikowany poprzez wykorzystanie parametrów MINIMUM_PROBABILITY i MINIMUM_SUPPORT .

CREATE MINING MODEL MyAssociationModel (  
    OrderNumber TEXT KEY,  
    [Products] TABLE PREDICT (  
        [Model] TEXT KEY  
    )  
)  
USING Microsoft_Association_Rules (Minimum_Probability = 0.1, MINIMUM_SUPPORT = 0.01)  

Przykład klastrowania sekwencji

Poniższy przykład wykorzystuje algorytm Microsoft Sequence Clustering do stworzenia nowego modelu kopania. Do definiowania modelu używa się dwóch kluczy. Kolumna OrderNumber służy jako klucz przypadku i określa poszczególne zamówienia. Kolumna LineNumber służy jako zagnieżdżony klucz tabeli i określa kolejność dodawania elementów do zamówienia.

CREATE MINING MODEL BuyingSequence (  
    [Order Number] TEXT KEY,  
    [Products] TABLE   
     (  
        [Line Number] LONG KEY SEQUENCE,  
        [Model] TEXT DISCRETE PREDICT  
    )  
)  
USING Microsoft_Sequence_Clustering  

Przykład szeregów czasowych

Poniższy przykład wykorzystuje algorytm Microsoft Times Series do stworzenia nowego modelu wydobycia z wykorzystaniem algorytmu ARTxp. ReportingDate to kolumna kluczowa dla serii czasowej, a ModelRegion to kolumna kluczowa dla serii danych. W tym przykładzie zakłada się, że okresowość danych wynosi co 12 miesięcy. Dlatego parametr PERIODICITY_HINT ustawia się na 12.

Note

Parametr PERIODICITY_HINT musisz określić, używając znaków nawiasowych. Ponadto, ponieważ wartość jest ciągiem znaków, musi być otoczona pojedynczymi cudzysłowami: "{<wartość> numeryczna}".

CREATE MINING MODEL SalesForecast (  
        ReportingDate DATE KEY TIME,  
        ModelRegion TEXT KEY,  
        Amount LONG CONTINUOUS PREDICT,  
        Quantity LONG CONTINUOUS PREDICT  
)  
USING Microsoft_Time_Series (PERIODICITY_HINT = '{12}', FORECAST_METHOD = 'ARTXP')  

Treści powiązane

• Instrukcje DMX - Definicja danych
• Instrukcje DMX – Manipulacja danymi
• Instrukcje rozszerzenia eksploracji danych (DMX)