Поделиться через

ALTER MINING STRUCTURE (расширения интеллектуального анализа данных)

  • Статья

Область применения: SQL Server Analysis Services

Создает новую модель интеллектуального анализа данных, основанную на уже существующей структуре интеллектуального анализа данных. При использовании инструкции ALTER MINING STRUCTURE для создания новой модели интеллектуального анализа данных структура уже должна существовать. В отличие от этого, при использовании инструкции CREATE MINING MODEL (DMX) вы создаете модель и автоматически создаете базовую структуру интеллектуального анализа данных одновременно.

Синтаксис

  
ALTER MINING STRUCTURE <structure>  
ADD MINING MODEL <model>  
(  
    <column definition list>  
  [(<nested column definition list>) [WITH FILTER (<nested filter criteria>)]]  
)  
USING <algorithm> [(<parameter list>)]   
[WITH DRILLTHROUGH]  
[,FILTER(<filter criteria>)]

Аргументы

структура
Имя структуры интеллектуального анализа данных, к которой будет добавлена модель.

model
Уникальное имя модели интеллектуального анализа данных.

Список определений столбцов
Список определений столбцов с разделителями-запятыми.

Список определений вложенных столбцов
Список с разделителями-запятыми столбцов вложенной таблицы, если применимо.

Критерии вложенных фильтров
Критерий фильтра, применяющийся к столбцам вложенной таблицы.

algorithm
Имя алгоритма интеллектуального анализа данных, определенное поставщиком.

Примечание.

Список алгоритмов, поддерживаемых текущим поставщиком, можно получить с помощью DMSCHEMA_MINING_SERVICES набора строк. Сведения о том, как просмотреть алгоритмы, поддерживаемые в текущем экземпляре служб Analysis Services, см. в разделе "Свойства интеллектуального анализа данных".

Список параметров
Необязательно. Список параметров, определенных поставщиком для алгоритма и разделенный запятыми.

Критерии фильтрации
Критерий фильтра, применяющийся к столбцам таблицы вариантов.

Замечания

Если структура интеллектуального анализа данных содержит составные ключи, то модель интеллектуального анализа данных должна включать в себя все ключевые столбцы, определенные в структуре.

Если для модели не требуется прогнозируемый столбец, например, модели, созданные с помощью алгоритмов кластеризации Microsoft Clustering и Microsoft Sequence Clustering, не обязательно включать определение столбца в инструкцию. Все атрибуты в создаваемой модели будут рассматриваться как входы.

В предложении WITH, применимом к таблице регистров, можно указать параметры фильтрации и детализации:

  • Добавьте ключевое слово FILTER и условие фильтра. Фильтр применяется к вариантам модели интеллектуального анализа данных.

  • Добавьте ключевое слово DRILLTHROUGH , чтобы пользователи модели интеллектуального анализа данных могли детализировать данные из результатов модели. Для расширений интеллектуального анализа данных активировать детализацию можно только при создании модели.

Чтобы использовать фильтрацию вариантов и детализацию, вы объединяете ключевые слова в одном предложении WITH с помощью синтаксиса, показанного в следующем примере:

WITH DRILLTHROUGH, FILTER(Gender = 'Male')

Список определений столбца

Структура модели задается списком определений столбцов, который содержит следующие данные для каждого столбца:

  • имя (обязательно);

  • псевдоним (необязательно);

  • флаги моделирования;

  • Запрос прогнозирования, указывающий алгоритму, содержит ли столбец прогнозируемое значение, указанное предложением PREDICT или PREDICT_ONLY

Чтобы определить один столбец, используйте следующий синтаксис для списка определений столбца.

<structure column name>  [AS <model column name>]  [<modeling flags>]    [<prediction>]

Имя и псевдоним столбца

В списке определений столбцов должно использоваться то же имя столбца, что и в структуре интеллектуального анализа данных. Однако по желанию можно задать псевдоним, который будет представлять столбец из структуры интеллектуального анализа данных в модели интеллектуального анализа данных. Кроме того, для одного и того же столбца структуры можно создать несколько определений столбца, а затем присвоить этим копиям разные псевдонимы и разные способы использования в прогнозировании. По умолчанию, если псевдоним не задан, будет использоваться имя столбца структуры. Дополнительные сведения см. в разделе "Создание псевдонима для столбца модели".

Для вложенных столбцов таблицы укажите имя вложенной таблицы, укажите тип данных в виде ТАБЛИЦЫ, а затем укажите список вложенных столбцов, включенных в модель, в скобках.

Критерий фильтра, применяемый к вложенной таблице, можно задать, добавив выражение условия фильтра после определения столбцов вложенной таблицы.

Флаги моделирования

Службы Analysis Services поддерживают следующие флаги моделирования для использования в столбцах модели интеллектуального анализа данных:

Примечание.

Флаг моделирования NOT_NULL применяется к столбцу структуры интеллектуального анализа данных. Дополнительные сведения см. в разделе CREATE MINING STRUCTURE (DMX).

Термин Определение
REGRESSOR Указывает, что алгоритм может использовать заданный столбец в формуле регрессии алгоритмов регрессии.
MODEL_EXISTENCE_ONLY Указывает, что само присутствие атрибута важнее, чем значения столбца атрибута.

Для любого столбца можно задать несколько флагов моделирования. Дополнительные сведения об использовании флагов моделирования см. в разделе "Флаги моделирования" (DMX).

Прогнозирующее предложение

Прогнозирующее предложение описывает, как будет использоваться прогнозируемый столбец. В следующей таблице перечислены возможные предложения.

Предложение Description
PREDICT Данный столбец может быть спрогнозирован с помощью модели, и его значения можно использовать во входных вариантах для вычисления значений других прогнозируемых столбцов.
PREDICT_ONLY Данный столбец может быть спрогнозирован с помощью модели, однако его нельзя использовать во входных вариантах для вычисления значений других прогнозируемых столбцов.

Выражения условия фильтра

Можно задать фильтр, который будет ограничивать число вариантов, используемых в модели интеллектуального анализа данных. Фильтр можно применить к столбцам таблицы вариантов, к строкам вложенной таблицы либо к тому и другому одновременно.

Выражения условия фильтра представляют собой упрощенные предикаты расширений интеллектуального анализа данных, подобные предложению WHERE. Выражения условий фильтра представляют собой формулы, в которых допускаются только основные математические операторы, скалярные величины и имена столбцов. Исключение представляет собой оператор EXISTS, который возвращает значение true, если вложенный запрос вернул хотя бы одну строку. Предикаты можно объединить с помощью общих логических операторов: AND, OR и NOT.

Дополнительные сведения о фильтрах, используемых с моделями интеллектуального анализа данных, см. в статьях "Фильтры для моделей интеллектуального анализа данных" (службы Analysis Services — интеллектуальный анализ данных).

Примечание.

Столбцы фильтра должны быть столбцами структуры интеллектуального анализа данных. Нельзя создавать фильтры для столбцов модели или псевдонимов столбцов.

Дополнительные сведения о операторах и синтаксисе интеллектуального анализа данных см. в разделе "Столбцы модели интеллектуального анализа данных".

Список определений параметров

Добавив параметры алгоритма к списку параметров, можно настраивать производительность и функции модели. Возможность использования параметров зависит от алгоритма, заданного в предложении USING. Список параметров, связанных с каждым алгоритмом, см. в разделе "Алгоритмы интеллектуального анализа данных" (службы Analysis Services — интеллектуальный анализ данных).

Синтаксис списка параметров следующий:

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

Пример 1. Добавление модели в структуру

В следующем примере модель интеллектуального анализа данных Bayes в новую структуру интеллектуального анализа почты добавляется и ограничивает максимальное количество состояний атрибута до 50.

ALTER MINING STRUCTURE [New Mailing]  
ADD MINING MODEL [Naive Bayes]  
(  
    CustomerKey,   
    Gender,  
    [Number Cars Owned],  
    [Bike Buyer] PREDICT  
)  
USING Microsoft_Naive_Bayes (MAXIMUM_STATES = 50)

Пример 2. Добавление отфильтрованной модели в структуру

В следующем примере модель интеллектуального анализа данных добавляется в новую структуру интеллектуального анализа Naive Bayes Womenпочты. У новой модели та же базовая структура, что и у модели интеллектуального анализа данных, добавленной в примере 1; однако эта модель ограничивается только теми вариантами из структуры интеллектуального анализа данных, в которых клиентами являются женщины старше 50 лет.

ALTER MINING STRUCTURE [New Mailing]  
ADD MINING MODEL [Naive Bayes Women]  
(  
    CustomerKey,   
    Gender,  
    [Number Cars Owned],  
    [Bike Buyer] PREDICT  
)  
USING Microsoft_Naive_Bayes  
WITH FILTER([Gender] = 'F' AND [Age] >50)

Пример 3. Добавление отфильтрованной модели в структуру со вложенной таблицей

В следующем примере модель интеллектуального анализа данных добавляется к измененной версии структуры интеллектуального анализа данных Market Basket. Структура интеллектуального анализа данных, используемая в примере, была изменена, чтобы добавить столбец "Регион ", содержащий атрибуты для региона клиента, а также столбец "Группа доходов", который классифицирует доход клиентов по значениям "Высокий", "Умеренный" или "Низкий".

Структура интеллектуального анализа данных также включает в себя вложенную таблицу с перечислением приобретенных данным клиентом товаров.

Поскольку структура интеллектуального анализа данных содержит вложенную таблицу, можно применить фильтр к таблице вариантов, вложенной таблице или к обеим таблицам. В данном примере фильтр вариантов и фильтр вложенных строк сочетаются, чтобы рассматривать только варианты для европейских покупателей с высоким доходом, купивших одну из моделей дорожной шины.

ALTER MINING STRUCTURE [Market Basket with Region and Income]  
ADD MINING MODEL [Decision Trees]  
(  
    CustomerKey,   
    Region,  
    [Income Group],  
    [Product] PREDICT (Model)   
WITH FILTER (EXISTS (SELECT * FROM [v Assoc Seq Line Items] WHERE   
 [Model] = 'HL Road Tire' OR  
 [Model] = 'LL Road Tire' OR  
 [Model] = 'ML Road Tire' )  
)  
) WITH FILTER ([Income Group] = 'High' AND [Region] = 'Europe')  
USING Microsoft_Decision Trees

См. также

Инструкции определения данных расширений интеллектуального анализа данных (DMX)
Инструкции по обработке данных расширения интеллектуального анализа данных (DMX)
Справочник по расширениям интеллектуального анализа данных (DMX)