Создание прогнозов в модели кластеризации последовательностей (учебник по интеллектуальному анализу промежуточных данных)

После лучшего понимания модели кластеризации последовательностей, просматривая ее в средстве просмотра, можно создавать прогнозируемые запросы с помощью построителя прогнозов на вкладке "Прогнозирование модели интеллектуального анализа данных" в конструкторе интеллектуального анализа данных. Чтобы создать прогноз, сначала выберите модель кластеризации последовательностей, а затем выберите входные данные. Для входных данных можно использовать внешний источник данных или создать однотонный запрос и указать значения в диалоговом окне.

В этом занятии предполагается, что вы уже знакомы с использованием построителя прогнозирующих запросов и хотите узнать, как создавать запросы, относящиеся к модели кластеризации последовательностей. Общие сведения об использовании построителя прогнозируемых запросов см. в разделе "Интерфейсы запросов интеллектуального анализа данных " или в разделе учебника по интеллектуальному анализу данных "Базовый анализ данных", "Создание прогнозов" (учебник по интеллектуальному анализу данных уровня "Базовый").

Создание прогнозов для региональной модели

В этом сценарии сначала вы создадите некоторые однотонные прогнозирующие запросы, чтобы получить представление о том, как прогнозы могут отличаться по регионам.

Создание однотонного запроса в модели кластеризации последовательностей

1. Перейдите на вкладку "Прогнозирование модели интеллектуального анализа данных " конструктора интеллектуального анализа данных.

2. В меню столбца модели интеллектуального анализа данных выберите "Одинтонный запрос".

   Откроется панель "Модель построения" и панель "Ввод одиночного запроса".

3. В области "Модель Майнинга" нажмите "Выбрать модель". (Этот шаг можно пропустить, если уже выбран режим кластеризации последовательностей.)

   Откроется диалоговое окно Выбор модели интеллектуального анализа данных.

4. Разверните узел, представляющий кластеризацию последовательности интеллектуального анализа данных с регионом, и выберите кластеризацию последовательности моделей с регионом. Нажмите кнопку ОК. В настоящее время игнорируйте область ввода; Вы укажете входные данные после настройки функций прогнозирования.

5. В сетке щелкните пустую ячейку в разделе "Источник " и выберите "Функция прогнозирования". В ячейке в поле выберите PredictSequence.

   Замечание

   Вы также можете использовать функцию Predict . Если это сделать, обязательно выберите версию функции Predict , которая принимает столбец таблицы в качестве аргумента..

6. В области модели интеллектуального анализа данных выберите вложенную таблицу и перетащите ее в сетку v Assoc Seq Line Itemsв поле "Критерии/аргумент " для функции PredictSequence .

   Перетаскивание имен таблиц и столбцов позволяет создавать сложные инструкции без синтаксической ошибки. Однако он заменяет текущее содержимое ячейки, включающее другие необязательные аргументы для функции PredictSequence . Чтобы просмотреть другие аргументы, можно временно добавить второй экземпляр функции в сетку для справки.

7. Нажмите кнопку "Результат " в верхнем углу построителя запросов прогнозирования.

Ожидаемые результаты содержат один столбец с заголовком Expression. Столбец Expression содержит вложенную таблицу с тремя столбцами следующим образом:

$SEQUENCE	Номер строки	Модель
1		Маунтин-200

Что означает эти результаты? Помните, что вы не указали никаких входных данных. Таким образом, прогнозирование выполняется по всей совокупности случаев, и службы Analysis Services возвращают наиболее вероятный прогноз в целом.

Добавление входных данных в запрос одноэлементного прогнозирования

До сих пор вы не указали никаких входных данных. В следующей задаче вы будете использовать область ввода одноэлементных запросов , чтобы указать некоторые входные данные для запроса. Во-первых, вы будете использовать [Регион] в качестве входных данных в модель кластеризации региональных последовательностей, чтобы определить, совпадают ли прогнозируемые последовательности для всех регионов. Затем вы узнаете, как изменить запрос, чтобы добавить вероятность для каждого прогноза, и выровнять результаты, чтобы упростить их просмотр.

Создание прогнозов для конкретной группы клиентов

1. Нажмите кнопку "Дизайн" в левом верхнем углу инструмента «Построитель запросов прогнозирования», чтобы вернуться к сетке построения запросов.

2. В диалоговом окне "Входные данные однотонного запроса" щелкните поле "Значение " Regionи выберите "Европа".

3. Нажмите кнопку "Результат ", чтобы просмотреть прогнозы для клиентов в Европе.

4. Нажмите кнопку "Дизайн" в левом верхнем углу мастера создания запросов прогнозирования, чтобы переключиться обратно на сетку построения запросов.

5. В диалоговом окне "Ввод одноэлементных запросов" щелкните поле "Значение" для Region, и выберите Северную Америку.

6. Нажмите кнопку "Результат ", чтобы просмотреть прогнозы для клиентов в Северной Америке.

Добавление вероятностей с помощью пользовательского выражения

Чтобы вывести вероятность для каждого прогноза, это немного сложнее, потому что вероятность является атрибутом прогноза и представляется в виде вложенной таблицы. Если вы знакомы с расширениями интеллектуального анализа данных (DMX), вы можете легко изменить запрос, чтобы добавить запрос подвыборки в вложенную таблицу. Однако можно также создать инструкцию вложенного выбора в построителе запросов прогнозирования, добавив пользовательское выражение.

Вывод вероятностей для прогнозируемой последовательности с помощью настраиваемого выражения

1. Нажмите кнопку «Конструктор» в левом верхнем углу окна построителя запросов прогнозирования, чтобы вернуться к сетке построения запросов.

2. В сетке в разделе "Источник" щелкните новую строку и выберите "Пользовательское выражение".

3. Оставьте поле под Field пустым.

4. Для псевдонима введите t.

5. В поле "Критерии или аргумент" введите полную инструкцию sub-select, как показано в следующем примере кода. Обязательно включите начальные и конечные скобки.

   (SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))  
   

6. Нажмите кнопку "Результат ", чтобы просмотреть прогнозы для клиентов в Европе.

Теперь результаты содержат две вложенные таблицы, один с прогнозом и один с вероятностью прогнозирования. Если запрос не работает, можно переключиться на представление конструктора запросов и просмотреть полную инструкцию запроса, которая должна быть следующим образом:

SELECT  
  PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]),  
  ( (SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))) as [t]  
FROM  
  [Sequence Clustering with Region]  
NATURAL PREDICTION JOIN  
(SELECT 'Europe' AS [Region]) AS t  

Работа с результатами

При наличии большого количества вложенных таблиц в результатах может потребоваться сглаживать результаты для упрощения просмотра. Для этого можно вручную изменить запрос и добавить ключевое FLATTENED слово.

Для преобразования вложенных наборов строк в прогнозном запросе

1. Нажмите кнопку "Запрос " в углу построителя прогнозируемых запросов.

   Сетка изменяется на открытой панели, в которой можно просмотреть и изменить инструкцию DMX, созданную построителем прогнозирующих запросов.

2. После ключевого SELECT слова введите FLATTENED.

   Полный текст запроса должен быть похож на следующий:

   SELECT FLATTENED  
     PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]),  
     ( (SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))) as [t]  
   FROM  
     [Sequence Clustering with Region]  
   NATURAL PREDICTION JOIN  
   (SELECT 'Europe' AS [Region]) AS t  
   

3. Нажмите кнопку "Результаты " в верхнем углу построителя прогнозируемых запросов.

После того как вы вручную отредактировали запрос, вы не сможете вернуться к представлению конструктора без потери изменений. Однако можно сохранить инструкцию DMX, созданную вручную в текстовый файл, а затем вернуться в представление конструктора. В этом случае запрос возвращается к последней версии, которая была действительна в представлении конструктора.

Создание прогнозов в связанной модели

В предыдущих примерах использовался столбец таблицы кейсов с названием "Регион" в качестве входных данных для запроса одноэлементного прогнозирования, поскольку вы хотели узнать, нашла ли модель различия между регионами. Однако после изучения модели вы решили, что различия недостаточно сильны, чтобы оправдать настройку рекомендаций по продуктам по регионам. Вас действительно интересует прогнозирование того, какие товары выбирают клиенты. Таким образом, в следующих запросах вы будете использовать модель кластеризации последовательностей, которая не включает регион, для создания рекомендаций для всех клиентов.

Использование вложенных столбцов таблицы в качестве входных данных

Сначала вы создадите однотонный прогнозирующий запрос, который принимает один элемент в качестве входных данных и возвращает следующий наиболее вероятный элемент. Чтобы получить прогноз такого рода, необходимо использовать вложенный столбец таблицы в качестве входного значения. Это связано с тем, что атрибут, который вы прогнозируете, Модель, является частью вложенной таблицы. Службы Analysis Services предоставляют диалоговое окно "Входные данные вложенной таблицы", чтобы упростить создание запросов прогнозирования для вложенных атрибутов таблицы, используя построитель запросов прогнозирования.

Использование вложенной таблицы в качестве входных данных для прогнозирования

1. Нажмите кнопку "Дизайн " в левом верхнем углу построителя запросов для прогнозирования, чтобы вернуться к сетке создания запросов.

2. В диалоговом окне "Ввод одиночного запроса" щелкните поле "Значение для Region, и выберите пустую строку, чтобы очистить ввод для этого поля.

3. В диалоговом окне "Ввод запроса Singleton" щелкните поле "Значение" для vAssocSeqLineItems, затем нажмите кнопку (...).

4. В диалоговом окне ввода данных вложенной таблицы нажмите Добавить.

5. В новой строке щелкните поле под Model, и выберите "Туринговая шина" из списка. Нажмите кнопку ОК.

6. Нажмите кнопку "Результат ", чтобы просмотреть прогнозы.

Модель рекомендует следующие товары для всех клиентов, которые выбирают туринговую шину в качестве первого товара. Вы уже знаете, изучив модель, что клиенты часто покупают Touring Tire и Touring Tire Tube вместе, поэтому эти рекомендации выгодны.

$SEQUENCE	Номер строки	Модель
1		Камера для дорожных шин
2		Спорт-100
3		Long-Sleeve Логотип Джерси

Создание массового прогнозирующего запроса с помощью входных данных вложенной таблицы

Теперь, когда вы удовлетворены тем, что модель создает тип прогнозов, которые можно использовать при выполнении рекомендаций, вы создадите запрос прогнозирования, сопоставленный с внешним источником данных. Этот источник данных предоставит значения, представляющие текущие продукты. Так как вы заинтересованы в создании прогнозирующего запроса, который предоставляет идентификатор клиента и список продуктов в качестве входных данных, вы добавите таблицу клиента в качестве таблицы регистра, а таблицу покупок — в виде вложенной таблицы. Затем вы добавите функции прогнозирования, как это было ранее для создания рекомендаций.

Это та же процедура, которую вы используете для создания прогнозов для сценария корзины рынка в занятии 3; однако в прогнозах модели кластеризации последовательностей также требуется порядок ввода.

Создание прогнозирующего запроса с помощью входных данных вложенной таблицы

1. В области Модель создания данных выберите модель кластеризации последовательностей, если она еще не выбрана.

2. В диалоговом окне Выбор входных таблиц выберите Таблицу кейсов.

3. В диалоговом окне "Выбор таблицы " для источника данных выберите "Заказы". В списке имен таблицы и представления выберите vAssocSeqOrders и нажмите кнопку ОК.

4. В диалоговом окне "Выбор входных таблиц" нажмите кнопку "Выбрать вложенную таблицу".

5. В диалоговом окне "Выбор таблицы " для источника данных выберите "Заказы". В списке имен таблицы и представления выберите vAssocSeqLineItems и нажмите кнопку "ОК".

   Службы Analysis Services попытаются обнаруживать связи и создавать их автоматически, если типы данных совпадают, а имена столбцов похожи. Если создаваемые связи неверны, щелкните правой кнопкой мыши строку соединения и выберите " Изменить подключения ", чтобы изменить сопоставление столбцов, или щелкните строку соединения правой кнопкой мыши и выберите "Удалить ", чтобы полностью удалить связь. В этом случае, так как таблицы уже были присоединены в представлении источника данных, эти связи автоматически добавляются на панель проектирования.

6. Добавьте новую строку в сетку. Для источника выберите vAssocSeqOrders и для поля выберите CustomerKey.

7. Добавьте новую строку в сетку. Для источника выберите "Функция прогнозирования" и для поля выберите PredictSequence.

8. Перетащите vAssocSeqLineItems в поле "Критерии или аргумент ". Щелкните в конце поля "Критерии" или "Аргумент", а затем введите следующие аргументы: 2

   Полный текст в поле "Критерии" или "Аргумент" должен быть следующим: [Sequence Clustering].[v Assoc Seq Line Items],2

9. Нажмите кнопку "Результат ", чтобы просмотреть прогнозы для каждого клиента.

Вы завершили руководство по моделям кластеризации последовательностей.

Дальнейшие шаги

Если вы завершили все разделы в руководстве по интеллектуальному анализу данных (службы Analysis Services — интеллектуальный анализ данных), то на следующем шаге можно узнать, как использовать инструкции расширения интеллектуального анализа данных (DMX) для создания моделей и создания прогнозов. Для получения дополнительной информации см. «Создание и выполнение запросов к моделям интеллектуального анализа данных с DMX: учебники (Analysis Services - интеллектуальный анализ данных).

Если вы знакомы с концепциями программирования, вы также можете использовать объекты управления анализом (AMO) для программной работы с объектами интеллектуального анализа данных. Дополнительные сведения см. в разделе "Классы интеллектуального анализа данных AMO".

См. также

Примеры запросов модели кластеризации последовательностей
Содержимое модели интеллектуального анализа данных для моделей кластеризации последовательностей (службы Analysis Services — интеллектуальный анализ данных)