Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Şunlar için geçerlidir:
SQL Server 2019 ve önceki Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
Önemli
Veri madenciliği SQL Server 2017 Analysis Services'da kullanım dışı bırakıldı ve artık SQL Server 2022 Analysis Services'da sonlandırıldı. Kullanım dışı bırakılan ve kullanımdan kaldırılan özellikler için belgeler güncelleştirilmez. Daha fazla bilgi edinmek için bkz. Analysis Services eski sürüm uyumluluğu.
İçerik sorgusu, araştırma modelinin iç istatistikleri ve yapısı hakkındaki bilgileri ayıklamanın bir yoludur. Bazen bir içerik sorgusu görüntüleyicide kolayca kullanılamayan ayrıntılar sağlayabilir. Diğer kullanımlar için program aracılığıyla bilgi ayıklamak için içerik sorgusunun sonuçlarını da kullanabilirsiniz.
Bu bölümde, içerik sorgusu kullanarak edinebileceğiniz bilgi türleri hakkında genel bilgiler ve içerik sorguları için genel DMX söz dizimi sağlanır.
Temel İçerik Sorguları
Tahmin Sorgu Oluşturucusu'nu kullanarak içerik sorguları oluşturabilir, SQL Server Management Studio'da sağlanan DMX içerik sorgu şablonlarını kullanabilir veya doğrudan DMX'te sorgu yazabilirsiniz. Tahmin sorgularının aksine dış verileri birleştirmeniz gerekmez, bu nedenle içerik sorgularının yazılabilmesi kolaydır.
Bu bölümde, oluşturabileceğiniz içerik sorgusu türlerine genel bir bakış sağlanır.
Araştırma yapısı veya olay verileriyle ilgili sorgular, eğitim için kullanılan ayrıntılı verileri görüntülemenizi sağlar.
Modeldeki sorgular desenler, öznitelik listeleri, formüller vb. döndürebilir.
Yapı ve Servis Talebi Verilerine Yönelik Sorgular
DMX, madencilik yapıları ve modelleri oluşturmak için kullanılan önbelleğe alınmış verilerde sorguları destekler. Varsayılan olarak, bu önbellek madencilik yapısını tanımladığınızda oluşturulur ve yapıyı veya modeli işlediğiniz zaman doldurulur.
Uyarı
Verileri eğitim ve test kümelerine ayırmanız gerekiyorsa bu önbellek temizlenemez veya silinemez. Önbellek temizlenirse, servis talebi verilerini sorgulayamazsınız.
Aşağıdaki örneklerde, olay verileri üzerinde sorgu oluşturmaya yönelik yaygın desenler veya araştırma yapısındaki veriler üzerinde sorgular gösterilmektedir:
Model için tüm servis taleplerini alma
SELECT FROM <model>.CASES
Model oluşturmak için kullanılan servis talebi verilerinden belirtilen sütunları almak için bu deyimi kullanın. Bu sorguyu çalıştırmak için modelde detaylandırma izinlerine sahip olmanız gerekir.
Yapıya dahil edilen tüm verileri görüntüleme
SELECT FROM <structure>.CASES
Belirli bir madencilik modeline dahil olmayan sütunlar dahil olmak üzere yapıya dahil olan tüm verileri görüntülemek için bu deyimi kullanın. Araştırma yapısından veri almak için modelde ve yapıda detaylandırma izinlerine sahip olmanız gerekir.
Değer aralığını alma
SELECT DISTINCT RangeMin(<column>), RangeMax(<column>) FROM <model>
Sürekli bir sütunun veya DISCRETIZED sütununun demetlerinin en düşük değerini, en yüksek değerini ve ortalamasını bulmak için bu deyimi kullanın.
Farklı değerler alma
SELECT DISTINCT <column>FROM <model>
DiscRETE sütununun tüm değerlerini almak için bu deyimi kullanın. DiscRETIZED sütunları için bu deyimi kullanmayın; bunun yerine RangeMin ve RangeMax işlevlerini kullanın.
Bir modeli veya yapıyı eğitmek için kullanılan servis taleplerini bulma
SELECT FROM <mining structure.CASES WHERE IsTrainingCase()
Bir model eğitilirken kullanılan veri kümesinin tamamını almak için bu deyimi kullanın.
Bir modeli veya yapıyı test etme amacıyla kullanılan durumları bulma
SELECT FROM <mining structure.CASES WHERE IsTestingCase()
Belirli bir yapıyla ilgili madencilik modellerini test etmek için ayrılmış verileri almak için bu deyimi kullanın.
Belirli bir model deseninden temel alınan servis talebi verilerine detaylandırma
SELECT FROM <model>.CASESWHERE IsTrainingCase() AND IsInNode(<node>)
Eğitilmiş bir modelden ayrıntılı servis talebi verilerini almak için bu deyimi kullanın. Belirli bir düğüm belirtmeniz gerekir: örneğin kümenin düğüm kimliğini, karar ağacının belirli dalını vb. bilmeniz gerekir. Ayrıca, bu sorguyu çalıştırmak için modelde detaylandırma izinlerine sahip olmanız gerekir.
Model Desenleri, İstatistikleri ve Öznitelikleri Ile ilgili Sorgular
Veri madenciliği modelinin içeriği birçok amaçla kullanışlıdır. Model içerik sorgusuyla şunları yapabilirsiniz:
Kendi hesaplamalarınızı yapmak için formülleri veya olasılıkları ayıklayın.
İlişkilendirme modeli için tahmin oluşturmak için kullanılan kuralları alın.
Özel bir uygulamada kuralları kullanabilmek için belirli kuralların açıklamalarını alın.
Bir zaman serisi modeli tarafından algılanan hareketli ortalamaları görüntüleyin.
Eğilim çizgisinin bazı segmentleri için regresyon formülünü alın.
Belirli bir kümenin parçası olarak tanımlanan müşteriler hakkında eyleme dönüştürülebilir bilgileri alın.
Aşağıdaki örneklerde, model içeriğinde sorgu oluşturmaya yönelik bazı yaygın desenler gösterilmektedir:
Modelden desenleri alma
SELECT FROM <model>.CONTENT
Modeldeki belirli düğümler hakkında ayrıntılı bilgi almak için bu deyimi kullanın. Algoritma türüne bağlı olarak düğüm kurallar ve formüller, destek ve varyans istatistikleri vb. içerebilir.
Eğitilmiş modelde kullanılan öznitelikleri alma
CALL System.GetModelAttributes(<model>)
Bir model tarafından kullanılan özniteliklerin listesini almak için bu saklı yordamı kullanın. Bu bilgiler, örneğin özellik seçimi sonucunda ortadan kaldırılan öznitelikleri belirlemek için kullanışlıdır.
Veri madenciliği boyutunda depolanan içeriği alma
SELECT FROM <model>.DIMENSIONCONTENT
Verileri bir veri madenciliği boyutundan almak için bu deyimi kullanın.
Bu sorgu türü temel olarak iç kullanım içindir. Ancak, tüm algoritmalar bu işlevselliği desteklemez. Destek, MINING_SERVICES şema satır kümesindeki bir bayrakla gösterilir.
Kendi eklenti algoritmanızı geliştirirseniz, test için modelinizin içeriğini doğrulamak için bu deyimi kullanabilirsiniz.
Modelin PMML gösterimini alma
SELECT * FROM <model>.PMML
MODELI PMML biçiminde temsil eden bir XML belgesi alır. Tüm model türleri desteklenmez.
Örnekler
Bazı model içeriği algoritmalar arasında standart olsa da, içeriğin bazı bölümleri modeli oluştururken kullandığınız algoritmaya bağlı olarak büyük ölçüde farklılık gösterir. Bu nedenle, bir içerik sorgusu oluşturduğunuzda modeldeki hangi bilgilerin modeliniz için en yararlı olduğunu anlamanız gerekir.
Algoritma seçiminin modelde depolanan bilgi türünü nasıl etkilediğini göstermek için bu bölümde birkaç örnek verilmiştir. Araştırma modeli içeriği ve her model türüne özgü içerik hakkında daha fazla bilgi için bkz . Madencilik Modeli İçeriği (Analysis Services - Veri Madenciliği).
Örnek 1: İlişkilendirme Modelinde İçerik Sorgusu
deyimi, SELECT FROM <model>.CONTENTsorguladığınız modelin türüne bağlı olarak farklı türde bilgiler döndürür. İlişkilendirme modeli için önemli bir bilgi parçası düğüm türüdür. Düğümler, model içeriğindeki bilgilerin kapsayıcıları gibidir. İlişkilendirme modelinde, kuralları temsil eden düğümlerin NODE_TYPE değeri 8 olurken, öğe kümelerini temsil eden düğümlerin NODE_TYPE değeri 7 olur.
Bu nedenle aşağıdaki sorgu, desteğe (varsayılan sıralama) göre sıralanmış ilk 10 öğe kümesi döndürür.
SELECT TOP 10 NODE_DESCRIPTION, NODE_PROBABILITY, SUPPORT
FROM <model>.CONTENT WHERE NODE_TYPE = 7
Aşağıdaki sorgu bu bilgileri oluşturur. Sorgu üç sütun döndürür: düğümün kimliği, kuralın tamamı ve itemset'in sağ tarafındaki ürün, yani bir öğe kümesinin parçası olarak diğer bazı ürünlerle ilişkilendirileceği tahmin edilen ürün.
SELECT FLATTENED NODE_UNIQUE_NAME, NODE_DESCRIPTION,
(SELECT RIGHT(ATTRIBUTE_NAME, (LEN(ATTRIBUTE_NAME)-LEN('Association model name')))
FROM NODE_DISTRIBUTION
WHERE LEN(ATTRIBUTE_NAME)>2
)
AS RightSideProduct
FROM [<Association model name>].CONTENT
WHERE NODE_TYPE = 8
ORDER BY NODE_SUPPORT DESC
FLATTENED anahtar sözcüğü, iç içe satır kümesinin düzleştirilmiş bir tabloya dönüştürülmesi gerektiğini gösterir. Kuralın sağ tarafındaki ürünü temsil eden öznitelik NODE_DISTRIBUTION tablosunda yer alır; bu nedenle, uzunluğun 2'den büyük olması gereksinimini ekleyerek yalnızca öznitelik adı içeren satırı alırız.
Modelin adını üçüncü sütundan kaldırmak için basit bir dize işlevi kullanılır. (Model adı genellikle iç içe sütunların değerlerine önek olarak eklenir.)
WHERE yan tümcesi, yalnızca kuralları almak için NODE_TYPE değerinin 8 olması gerektiğini belirtir.
Daha fazla örnek için bkz . İlişkilendirme Modeli Sorgu Örnekleri.
Örnek 2: Karar Ağaçları Modeli üzerinde İçerik Sorgusu
Karar ağacı modeli hem tahmin hem de sınıflandırma için kullanılabilir. Bu örnekte, bir sonucu tahmin etmek için modeli kullandığınız varsayılır, ancak sonucu sınıflandırmak için hangi faktörlerin veya kuralların kullanılabileceğini de bulmak istersiniz.
Karar ağacı modelinde düğümler hem ağaçları hem de yaprak düğümleri temsil etmek için kullanılır. Her düğümün resim yazısı, sonuca giden yolun açıklamasını içerir. Bu nedenle, belirli bir sonucun yolunu izlemek için, onu içeren düğümü tanımlamanız ve bu düğümün ayrıntılarını almanız gerekir.
Tahmin sorgunuzda, aşağıdaki örnekte gösterildiği gibi ilgili düğümün kimliğini almak için PredictNodeId (DMX) tahmin işlevini eklersiniz:
SELECT Predict([Bike Buyer]), PredictNodeID([Bike Buyer])
FROM [<decision tree model name>]
PREDICTION JOIN
<input rowset>
Sonucu içeren düğümün kimliğine sahip olduktan sonra, NODE_CAPTION içeren bir içerik sorgusu oluşturarak tahmini açıklayan kuralı veya yolu aşağıdaki gibi alabilirsiniz:
SELECT NODE_CAPTION
FROM [<decision tree model name>]
WHERE NODE_UNIQUE_NAME= '<node id>'
Daha fazla örnek için bkz. Karar Ağaçları Modeli Sorgu Örnekleri.
Sorgu Sonuçlarıyla Çalışma
Örneklerde gösterildiği gibi, içerik sorguları çoğunlukla tablosal satır kümeleri döndürür, ancak iç içe sütunlardaki bilgileri de içerebilir. Döndürülen satır kümesini düzleştirebilirsiniz, ancak bu, sonuçlarla çalışmayı daha karmaşık hale getirebilirsiniz. Özellikle NODE_DISTRIBUTION düğümünün içeriği iç içe yerleştirilmiştir, ancak model hakkında çok ilginç bilgiler içerir.
Hiyerarşik satır kümeleriyle çalışma hakkında daha fazla bilgi için MSDN'de OLEDB belirtimine bakın.