Общие функции прогнозирования (расширения интеллектуального анализа данных)

Статья
06/11/2013

Для создания различных типов запросов в расширениях интеллектуального анализа данных можно использовать инструкцию SELECT. С помощью запроса можно получить сведения о самой модели интеллектуального анализа данных, сделать новый прогноз или изменить модель путем обучения ее с помощью новых данных. В службах Analysis Services реализованы различные специализированные функции, управляющие типом сведений, возвращаемых запросом. Добавив эти функции к DMX-запросу, можно получить дополнительную статистику или столбцы данных. Однако каждый тип запроса и каждый тип модели поддерживает только определенные функции.

Общие функции

Можно использовать функции для расширения результатов, возвращаемых моделью интеллектуального анализа данных. Приведенные ниже функции могут быть использованы для любой инструкции SELECT, возвращающей табличное выражение:

BottomCount (расширения интеллектуального анализа данных)	RangeMin (расширения интеллектуального анализа данных)
BottomPercent (расширения интеллектуального анализа данных)	TopCount (расширения интеллектуального анализа данных)
Predict (расширения интеллектуального анализа данных)	TopPercent (расширения интеллектуального анализа данных)
RangeMax (расширения интеллектуального анализа данных)	TopSum (расширения интеллектуального анализа данных)
RangeMid (расширения интеллектуального анализа данных)

Кроме того, следующие функции поддерживаются почти всеми типами моделей.

Отдельные алгоритмы могут поддерживать дополнительные функции. Список функций, общих для всех типов моделей, см. в разделе Запросы интеллектуального анализа данных.

Функции, специфичные для инструкции SELECT

В следующей таблице перечислены функции, которые можно использовать в инструкции SELECT любого типа.

Общие сведения о функциях в расширениях интеллектуального анализа данных см. в разделе Справочник по функциям расширений интеллектуального анализа данных.

Тип запроса	Поддерживаемые функции	Замечания
SELECT DISTINCT FROM <модель>	RangeMin (расширения интеллектуального анализа данных) RangeMid (расширения интеллектуального анализа данных) RangeMax (расширения интеллектуального анализа данных)	Эти функции используются для получения максимальных, минимальных и средних значений столбцов с числовыми данными любого типа — как непрерывными, так и дискретизированными.
SELECT FROM <модель>.CONTENT или SELECT FROM <модель>.DIMENSION_CONTENT	IsDescendant (расширения интеллектуального анализа данных)	Эта функция получает дочерние узлы указанного узла модели. Ее можно использовать, например, для просмотра всех узлов содержимого модели интеллектуального анализа данных. Порядок узлов в модели интеллектуального анализа данных зависит от типа модели. ‎Сведения о структуре для каждого типа моделей интеллектуального анализа данных см. в разделе Содержимое модели интеллектуального анализа данных (службы Analysis Services — интеллектуальный анализ данных). Если содержимое модели интеллектуального анализа данных сохранено в виде измерения, можно использовать также другие существующие функции многомерных выражений (MDX) для запросов к иерархии атрибутов.
SELECT FROM <модель>.CASES	IsInNode (расширения интеллектуального анализа данных) Класс ClientSettingsGeneralFlag IsTrainingCase (расширения интеллектуального анализа данных) IsTestCase (расширения интеллектуального анализа данных)	Функция Lag поддерживается только для моделей временных рядов. Функция IsTestCase поддерживается для моделей на основе структур, при создании которых был создан набор проверочных данных с помощью параметров контрольных данных. Если для структуры, на которой основана модель, не был создан набор проверочных данных с помощью параметров контрольных данных, все варианты считаются обучающими.
SELECT FROM <модель>.SAMPLE_CASES	IsInNode (расширения интеллектуального анализа данных)	В этом контексте функция IsInNode возвращает вариант, принадлежащий множеству идеализированных вариантов-образцов.
SELECT FROM <модель>.PMML	Неприменимо. Используйте вместо этого функции запросов XML.	Представления языка разметки прогнозирующей модели (PMML) поддерживаются только для следующих типов моделей: алгоритм дерева принятия решений (Майкрософт); алгоритм кластеризации (Майкрософт).
SELECT FROM <модель> PREDICTION JOIN	Функции прогноза, характерные для алгоритма, который используется для построения модели.	Список прогнозирующих функций для каждого из типов моделей см. в разделе Запросы интеллектуального анализа данных.
SELECT FROM <модель>	Функции прогноза, характерные для алгоритма, который используется для построения модели.	Список прогнозирующих функций для каждого из типов моделей см. в разделе Запросы интеллектуального анализа данных.