Запросы интеллектуального анализа данных

Применимо к: SQL Server 2019 и более ранних версий Analysis Services Azure Analysis Services Fabric/Power BI Premium

Это важно

Интеллектуальный анализ данных был признан устаревшим в службах SQL Server 2017 Analysis Services и теперь прекращён в службах SQL Server 2022 Analysis Services. Документация не обновляется для устаревших и прекращённых функций. Дополнительные сведения см. в статье о обратной совместимости служб Analysis Services.

Запросы интеллектуального анализа данных полезны для многих целей. Вы можете:

• Примените модель к новым данным, чтобы сделать один или несколько прогнозов. Входные значения можно указать в виде параметров или в пакете.

• Получение статистической сводки данных, используемых для обучения.

• Извлеките шаблоны и правила или создайте профиль типичного случая, представляющего шаблон в модели.

• Извлеките формулы регрессии и другие вычисления, объясняющие шаблоны.

• Получите варианты, которые соответствуют определенному шаблону.

• Получение сведений об отдельных случаях, используемых в модели, включая данные, не используемые в анализе.

• Переобучение модели путем добавления новых данных или выполнения перекрестного прогнозирования.

В этом разделе представлен обзор сведений, необходимых для начала работы с запросами интеллектуального анализа данных. В нем описываются типы запросов, которые можно создавать для объектов интеллектуального анализа данных, вводятся средства запросов и языки запросов, а также приводятся ссылки на примеры запросов, которые можно создать на основе моделей, созданных с помощью алгоритмов, предоставляемых в интеллектуальном анализе данных SQL Server.

Понимание запросов интеллектуального анализа данных

Средства запроса и интерфейсы

Запросы для различных типов моделей

Требования

Понимание запросов интеллектуального анализа данных

Интеллектуальный анализ данных SQL Server Analysis Services поддерживает следующие типы запросов:

• Запросы прогнозирования (интеллектуальный анализ данных)

  Запросы, которые делают вывод на основе шаблонов в модели и из входных данных.

• Запросы содержимого (интеллектуальный анализ данных)

  Запросы, возвращающие метаданные, статистику и другие сведения о самой модели.

• Детализация запросов (интеллектуальный анализ данных)

  Запросы, позволяющие получить исходные данные дела для модели или даже данные из структуры, которая не использовалась в модели.

• Запросы определения данных (интеллектуальный анализ данных)

  Запросы, которые не возвращают информацию из модели, а используются для создания моделей и структур или для обновления данных в модели или структуре.

Перед созданием запросов рекомендуется ознакомиться с различиями между моделями, созданными с каждым из алгоритмов интеллектуального анализа данных, предоставляемых SQL Server.

• Просматривайте и изучайте каждый тип модели с помощью специальных средств просмотра для интеллектуального анализа данных, доступных для каждого типа алгоритма. Дополнительные сведения см. в статье "Задачи просмотра моделей интеллектуального анализа данных" и "Практическое руководство".

• Просмотрите содержимое модели для каждого типа модели с помощью средства просмотра дерева универсального содержимого Майкрософт. Чтобы интерпретировать эти сведения, обратитесь к содержимому моделей интеллектуального анализа данных (Analysis Services - Data Mining).

Средства запроса и интерфейсы

Вы можете создавать запросы интеллектуального анализа данных в интерактивном режиме с помощью одного из средств запросов, предоставляемых SQL Server. Графический построитель запросов прогнозирования предоставляется как в SQL Server Data Tools, так и в SQL Server Management Studio. Если вы еще не использовали построитель прогнозов, рекомендуется выполнить действия, описанные в учебнике по интеллектуальному анализу данных уровня "Базовый ", чтобы ознакомиться с интерфейсом. Для краткого обзора шагов см. раздел "Создание прогностического запроса с помощью Prediction Query Builder".

Построитель прогнозов полезен для запуска запросов, которые вы будете настраивать позже. Вы можете легко добавить источники данных и сопоставить их со столбцами, а затем переключиться в представление DMX и настроить запрос, добавив предложение WHERE или другие функции.

Когда вы знакомы с моделями интеллектуального анализа данных и как создавать запросы, вы также можете создавать запросы непосредственно с помощью расширений интеллектуального анализа данных (DMX). DMX — это язык запросов, похожий на Transact-SQL, который можно использовать с несколькими различными клиентами. DMX — это средство для создания пользовательских прогнозов и сложных запросов. Введение в DMX см. в статье "Создание и запрос моделей интеллектуального анализа данных с помощью DMX: учебники (Analysis Services — интеллектуальный анализ данных)".

Редакторы DMX предоставляются как в SQL Server Data Tools, так и в SQL Server Management Studio. Вы также можете использовать построитель прогнозирующих запросов для запуска запросов, а затем изменить представление в текстовый редактор и скопировать инструкцию DMX в другой клиент. Дополнительные сведения см. в разделе Средства запросов интеллектуального анализа данных.

Имеется возможность программно создавать инструкции DMX и отправлять их с клиента на сервер SQL Server Analysis Services с помощью AMO или XMLA. Однако DMX — это язык, который необходимо использовать для создания запросов к модели анализа данных.

Вы также можете запрашивать метаданные, статистику и некоторое содержимое модели с помощью динамических административных представлений (DMV), основанных на наборах строк схемы интеллектуального анализа данных. Эти DMV упрощают получение сведений о модели с помощью инструкций SELECT; однако нельзя создавать прогнозов. Дополнительные сведения о динамических административных представлениях, поддерживаемых службами SQL Server Analysis Services, см. в статье "Использование динамических административных представлений" для мониторинга служб Analysis Services.

Наконец, можно создавать запросы интеллектуального анализа данных для использования в пакетах служб Integration Services, используя задачу запроса интеллектуального анализа данных или преобразование запроса интеллектуального анализа данных. Задача управления потоком данных поддерживает несколько типов DMX запросов, в то время как преобразование потока данных поддерживает только запросы, работающие с данными в потоке данных, то есть запросы, использующие синтаксис PREDICTION JOIN.

Запросы для различных типов моделей

Алгоритм, используемый при создании модели, значительно влияет на тип информации, которую можно получить из запроса интеллектуального анализа данных. Причина различий заключается в том, что каждый алгоритм обрабатывает данные по-разному и сохраняет различные типы шаблонов. Например, некоторые алгоритмы создают кластеры; другие создают деревья. Поэтому может потребоваться использовать специализированные функции прогнозирования и запроса в зависимости от типа модели, с которыми вы работаете.

Следующий список содержит сводку функций, которые можно использовать в запросах:

• Общие функции прогнозирования:Функция Predict является полиморфной, то есть она работает со всеми типами моделей. Эта функция автоматически обнаруживает тип модели, с которыми вы работаете, и запрашивает дополнительные параметры. Дополнительные сведения см. в разделе "Прогнозирование(DMX)".

  Предупреждение

  Не все модели используются для прогнозирования. Например, можно создать модель кластеризации, которая не имеет прогнозируемого атрибута. Однако даже если у модели нет прогнозируемого атрибута, можно создавать прогнозирующие запросы, возвращающие другие типы полезных сведений из модели.

• Пользовательские функции прогнозирования: Каждый тип модели предоставляет набор функций прогнозирования, предназначенных для работы с шаблонами, созданными этим алгоритмом.

  Например, функция Lag предоставляется для моделей временных рядов, чтобы просмотреть исторические данные, используемые для модели. Для моделей кластеризации такие функции, как ClusterDistance , более значимы.

  Дополнительные сведения о функциях, поддерживаемых для каждого типа модели, см. в следующих ссылках:

  • Примеры запросов модели ассоциаций

  • Примеры запросов модели кластеризации

  • Примеры запросов модели дерева принятия решений

  • Примеры запросов модели линейной регрессии

  • Примеры запросов модели логистической регрессии

  • Алгоритм Microsoft Naive Bayes

  • Примеры запросов модели нейронной сети

  • Примеры запросов модели кластеризации последовательностей

  • Примеры запросов модели временных рядов

  Вы также можете вызывать функции VBA или создавать собственные функции. Дополнительные сведения см. в разделе "Функции " (DMX)".

• Общая статистика: Существует ряд функций, которые можно использовать практически с любым типом модели, которые возвращают стандартный набор описательных статистических данных, например стандартное отклонение.

  Например, функция PredictHistogram возвращает таблицу, которая перечисляет все состояния указанного столбца.

  Дополнительные сведения см. в разделе "Общие функции прогнозирования" (DMX).

• Настраиваемая статистика: Для каждого типа модели предоставляются дополнительные вспомогательные функции для создания статистики, относящейся к конкретной аналитической задаче.

  Например, при работе с моделью кластеризации можно использовать функцию PredictCaseLikelihood, чтобы вернуть оценку вероятности, связанную с определенным случаем и кластером. Однако если вы создали модель линейной регрессии, вам будет больше интересно получить коэффициент и перехват, который можно сделать с помощью запроса содержимого.

• Функции содержимого модели:Содержимое всех моделей представлено в стандартизованном формате, позволяющем получить информацию с помощью простого запроса. Запросы к содержимому модели создаются с помощью dmX. Вы также можете получить некоторое содержимое модели с помощью наборов строк схемы интеллектуального анализа данных.

  В содержимом модели значение каждой строки или узла возвращаемой таблицы отличается в зависимости от типа алгоритма, используемого для построения модели, а также типа данных столбца. Дополнительные сведения см. в разделе "Запросы контента" (интеллектуальный анализ данных).

Требования

Прежде чем создать запрос к модели, необходимо, чтобы модель анализа данных была обработана. Для обработки объектов SQL Server Analysis Services требуются специальные разрешения. Дополнительные сведения об обработке моделей интеллектуального анализа данных см. в разделе «Требования к обработке и рекомендации (интеллектуальный анализ данных)».

Для выполнения запросов к модели интеллектуального анализа данных требуются различные уровни разрешений в зависимости от типа выполняемого запроса. Например, детальное изучение данных случая или структуры обычно требует дополнительных разрешений, которые можно задать в объекте структуры анализа данных или в объекте модели анализа данных.

Однако если запрос использует внешние данные и включает инструкции, такие как OPENROWSET или OPENQUERY, база данных, запрашиваемая вами, должна включить эти инструкции и иметь разрешение на базовые объекты базы данных.

Дополнительные сведения о контекстах безопасности, необходимых для выполнения запросов интеллектуального анализа данных, см. в обзоре безопасности (интеллектуальный анализ данных)

В этом разделе

В этом разделе подробно представлены типы запросов интеллектуального анализа данных и приведены ссылки на подробные примеры создания запросов к моделям майнинга данных.

Запросы прогнозирования (интеллектуальный анализ данных)

Запросы содержимого (интеллектуальный анализ данных)

Детализация запросов (интеллектуальный анализ данных)

Запросы определения данных (интеллектуальный анализ данных)

Средства запросов интеллектуального анализа данных

Связанные задачи

Используйте эти ссылки, чтобы узнать, как создавать и работать с запросами интеллектуального анализа данных.

Tasks	Links
Просмотр руководств и пошаговых инструкций по запросам дата майнинг	Занятие 6. Создание и работа с прогнозами (учебник по интеллектуальному анализу данных уровня "Базовый") Учебное руководство по прогнозированию временных рядов DMX
Использование средств запросов интеллектуального анализа данных в SQL Server Management Studio и SQL Server Data Tools	Создание DMX-запроса в SQL Server Management Studio Создание запроса прогнозирования с помощью построителя прогнозов Применение функций прогнозирования к модели Изменение запроса прогнозирования вручную
Работа с внешними данными, используемыми в прогнозирующих запросах	Выбор и сопоставление входных данных для прогнозирующего запроса Выбор и сопоставление входных данных для прогнозирующего запроса
Работа с результатами запросов	Просмотр и сохранение результатов прогнозирующего запроса
Использование шаблонов запросов DMX и XMLA, предоставляемых в Management Studio	Создание однотонного запроса прогнозирования на основе шаблона Создание запроса интеллектуального анализа данных с помощью XMLA Использование шаблонов служб Analysis Services в среде SQL Server Management Studio
Узнайте больше о запросах содержимого и ознакомьтесь с примерами	Создание запроса по содержимому в модели интеллектуального анализа данных Запрос параметров, которые использовались для создания модели дата-майнинга Запросы содержимого (интеллектуальный анализ данных)
Настройка параметров запроса и устранение неполадок с разрешениями и запросами	Изменение значения времени ожидания для запросов интеллектуального анализа данных
Используйте компоненты интеллектуального анализа данных в службах Integration Services	Задача «Запрос интеллектуального анализа данных» Преобразование "Запрос интеллектуального анализа данных"

См. также

Алгоритмы интеллектуального анализа данных (Analysis Services — интеллектуальный анализ данных)
Содержимое модели интеллектуального анализа данных (Analysis Services — интеллектуальный анализ данных)