Создание прогнозов (учебник по интеллектуальному анализу данных уровня "Базовый")

После проверки точности моделей интеллектуального анализа данных и решения о том, что вы удовлетворены результатами, можно затем создать прогнозы с помощью построителя запросов для прогнозирования на вкладке "Прогнозирование моделей интеллектуального анализа данных" в конструкторе интеллектуального анализа данных.

Конструктор прогнозных запросов содержит три представления. С помощью представлений конструктора и запроса можно создать и проверить запрос. Затем можно запустить запрос и просмотреть результаты в представлении результатов .

Все запросы прогнозирования используют DMX, который является сокращением от языка расширений интеллектуального анализа данных (DMX). DMX имеет синтаксис T-SQL, но используется для запросов к объектам интеллектуального анализа данных. Хотя синтаксис DMX не является сложным, использование построителя запросов, такого как этот, или как в Add-Ins SQL Server Data Mining для Office, значительно упрощает выбор входных данных и построение выражений, поэтому мы настоятельно рекомендуем изучить основы.

Создание запроса

Первым шагом при создании прогнозного запроса является выбор модели анализа данных и входной таблицы.

Выбор модели и входной таблицы

1. На вкладке "Прогнозирование модели интеллектуального анализа данных " конструктора интеллектуального анализа данных в поле " Модель интеллектуального анализа данных" нажмите кнопку "Выбрать модель".

2. В диалоговом окне "Выбор модели интеллектуального анализа данных " перейдите по дереву в структуру целевой рассылки , разверните структуру, выберите и нажмите TM_Decision_Treeкнопку "ОК".

3. В поле "Выбор входной таблицы(-ы)" нажмите "Выбор таблицы случаев".

4. В диалоговом окне "Выбор таблицы " в списке источников данных выберите представление источника данных Adventure Works DW Multidimensional 2012.

5. В имени таблицы или представления выберите таблицу ProspectiveBuyer (dbo), а затем нажмите кнопку ОК.

   Таблица ProspectiveBuyer , наиболее тесно похожа на таблицу вариантов vTargetMail .

Сопоставление столбцов

Когда вы выбираете входную таблицу, конструктор запросов прогнозирования создает стандартное сопоставление между моделью интеллектуального анализа данных и входной таблицей на основе имен столбцов. По крайней мере один столбец из структуры должен соответствовать столбцу во внешних данных.

Это важно

Данные, используемые для определения точности моделей, должны содержать столбец, который можно сопоставить с прогнозируемым столбцом. Если такой столбец не существует, можно создать один с пустыми значениями, но он должен иметь тот же тип данных, что и прогнозируемый столбец.

Сопоставление входных данных с моделью

1. Щелкните правой кнопкой мыши линии, соединяющие окно Модель анализа данных с окном Выбор входной таблицы, и выберите Изменить связи.

   Обратите внимание, что не все столбцы были сопоставлены. Мы добавим сопоставления для нескольких столбцов таблицы. Мы также создадим новый столбец даты рождения на основе текущего столбца дат, чтобы столбцы соответствовали лучше.

2. В разделе "Столбец таблицы" укажите ячейку Bike Buyer и выберите "ПотенциальныйПокупатель.Unknown" в выпадающем списке.

   Этот процесс сопоставляет прогнозируемый столбец [Bike Buyer] со столбцом входной таблицы.

3. Нажмите кнопку ОК.

4. В обозревателе решений щелкните правой кнопкой мыши представление источника данных целевой почты и выберите конструктор представлений.

5. Щелкните правой кнопкой мыши таблицу, Потенциальный покупатель и выберите Новый Именованный Расчет.

6. В диалоговом окне "Создание именованных вычислений" введите calcAgeимя столбца.

7. В поле «Описание» введите «Вычислите возраст по дате рождения».

8. В поле "Выражение" введите DATEDIFF(YYYY,[BirthDate],getdate()) и нажмите кнопку "ОК".

   Так как входная таблица не имеет столбца age , соответствующего одному в модели, это выражение можно использовать для вычисления возраста клиента из столбца BirthDate в входной таблице. Поскольку возраст был определен как наиболее влиятельный столбец для прогнозирования покупки велосипедов, он должен существовать как в модели, так и в входной таблице.

9. В конструкторе интеллектуального анализа данных выберите вкладку Прогнозирование модели и повторно откройте окно Изменить подключения.

10. В разделе «Столбец таблицы» щелкните ячейку «Возраст» и выберите «ProspectiveBuyer.calcAge» в раскрывающемся списке.

    Предупреждение

    Если столбец в списке не отображается, может потребоваться обновить определение представления источника данных, загруженного в конструкторе. Для этого в меню "Файл" выберите "Сохранить все", а затем закройте и повторно откройте проект в конструкторе.

11. Нажмите кнопку ОК.

Проектирование запроса прогнозирования

1. Первая кнопка на панели инструментов вкладки Прогнозирование модели интеллектуального анализа данных — кнопка Переключиться на представление конструктора / Переключиться на представление результатов / Переключиться на представление запроса. Щелкните стрелку вниз на этой кнопке и выберите Дизайн.

2. На вкладке Прогноз модели добычи данных щелкните ячейку в первой пустой строке столбца Источник, а затем выберите Функция прогноза.

3. В строке функции прогнозирования в столбце "Поле " выберите PredictProbability.

   В столбце "Псевдоним" одной строки введите значение "Вероятность результата".

4. В окне модели интеллектуального анализа данных выше выберите и перетащите [Покупатель велосипедов] в ячейку Критерии/аргумент.

   Когда вы отпустите, [TM_Decision_Tree].[Покупатель велосипедов] отображается в ячейке Критерии/Аргумент.

   Это указывает целевой столбец для PredictProbability функции. Дополнительные сведения о функциях см. в справочнике по расширениям интеллектуального анализа данных (DMX).

5. Щелкните следующую пустую строку в столбце "Источник", а затем выберите модель интеллектуального анализа данных TM_Decision_Tree.

6. В строке TM_Decision_Tree в столбце Поле выберите Bike Buyer.

7. В строке TM_Decision_Tree в столбце Критерии/аргумент введите =1.

8. Щелкните следующую пустую строку в столбце Source и выберите таблицу ProspectiveBuyer.

9. В строке ProspectiveBuyer, в столбце 'Поле', выберите ProspectiveBuyerKey.

   Это добавляет уникальный идентификатор в запрос прогнозирования, чтобы определить, кто и кто, скорее всего, не покупает велосипед.

10. Добавьте в сетку еще пять строк. Для каждой строки выберите таблицу ProspectiveBuyer в качестве источника , а затем добавьте следующие столбцы в ячейки Field :

    • CalcAge

    • Фамилия

    • Имя

    • AddressLine1

    • AddressLine2

Наконец, запустите запрос и просмотрите результаты.

Построитель прогнозов также включает следующие элементы управления:

• Показать флажок

  Позволяет удалять предложения из запроса без необходимости удалять их из конструктора. Это может быть полезно, когда вы работаете со сложными запросами и хотите сохранить синтаксис без необходимости копирования и вставки DMX в окно.

• Группа

  Вставляет открывающие скобки (слева) в начале выбранной строки или вставляет закрывающая скобка (справа) в конце текущей строки.

• AND/OR

  Вставляет оператор AND или оператор OR сразу после текущей функции или столбца.

Выполнение запроса и просмотра результатов

1. На вкладке "Прогнозирование модели интеллектуального анализа данных " нажмите кнопку "Результат ".

2. После выполнения запроса и отображения результатов можно просмотреть результаты.

   На вкладке Прогноз модели интеллектуального анализа данных отображаются контактные данные потенциальных клиентов, которые, скорее всего, будут покупателями велосипедов. Вероятность результирующего столбца указывает вероятность правильного прогнозирования. Эти результаты можно использовать для определения потенциальных клиентов, предназначенных для рассылки.

3. На этом этапе можно сохранить результаты. У вас есть три варианта:

   • Щелкните правой кнопкой мыши строку данных в результатах и выберите "Копировать ", чтобы сохранить только это значение (и заголовок столбца) в буфер обмена.

   • Щелкните правой кнопкой мыши любую строку в результатах и выберите "Копировать все ", чтобы скопировать весь результирующий набор, включая заголовки столбцов, в буфер обмена.

   • Нажмите кнопку "Сохранить результат запроса ", чтобы сохранить результаты непосредственно в базе данных следующим образом:

     1. В диалоговом окне "Сохранить результат запроса интеллектуального анализа данных " выберите источник данных или определите новый источник данных.

     2. Введите имя таблицы, содержащей результаты запроса.

     3. Используйте параметр , добавьте в DSV, чтобы создать таблицу и добавить ее в существующее представление источника данных. Это полезно, если вы хотите сохранить все связанные таблицы для модели, такие как обучающие данные, данные источника прогнозирования и результаты запроса в одном представлении источника данных.

     4. Выберите параметр Перезаписать, если существует, чтобы обновить существующую таблицу с последними результатами.

        Необходимо использовать параметр для перезаписи таблицы, если вы добавили любые столбцы в прогнозирующий запрос, изменили имена или типы данных любых столбцов в прогнозируемом запросе или выполнили какие-либо инструкции ALTER в целевой таблице.

        Кроме того, если несколько столбцов имеют одно и то же имя (например, Expression — имя столбца по умолчанию), необходимо создать псевдоним для столбцов с повторяющимися именами, иначе при попытке конструктора сохранить результаты в SQL Server будет вызвана ошибка. Причина заключается в том, что SQL Server не позволяет нескольким столбцам иметь одно и то же имя.

        Дополнительные сведения см. в диалоговом окне "Сохранить результат запроса интеллектуального анализа данных" (представление прогнозирования модели интеллектуального анализа данных).

Следующая задача на занятии

Использование дриллдауна для структурированных данных (учебник по базовому интеллектуальному анализу данных)

См. также

Создание запроса прогнозирования с помощью построителя прогнозов