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.
Veri madenciliği sorguları birçok amaç için yararlıdır. Şunları yapabilirsiniz:
Tek veya birden çok tahminde bulunmak için modeli yeni verilere uygulayın. Giriş değerlerini parametre olarak veya toplu olarak sağlayabilirsiniz.
Eğitim için kullanılan verilerin istatistiksel özetini alın.
Modeldeki bir deseni temsil eden tipik bir durumun profilini oluşturun veya desenleri ve kuralları ayıklayın.
Regresyon formüllerini ve desenleri açıklayan diğer hesaplamaları ayıklayın.
Belirli bir desene uyan vakaları alın.
Modelde kullanılan ve analizde kullanılmayan veriler dahil olmak üzere, her bir vaka hakkındaki ayrıntıları elde edin.
Yeni veriler ekleyerek modeli yeniden eğitin veya çapraz tahmin gerçekleştirin.
Bu bölümde, veri madenciliği sorgularını kullanmaya başlamak için ihtiyacınız olan bilgilere genel bir bakış sağlanır. Veri madenciliği nesnelerine karşı oluşturabileceğiniz sorgu türlerini açıklar, sorgu araçlarını ve sorgu dillerini tanıtır ve SQL Server Veri Madenciliği'nde sağlanan algoritmalar kullanılarak oluşturulan modellerde oluşturabileceğiniz sorgu örneklerine bağlantılar sağlar.
Veri Madenciliği Sorgularını Anlama
Sorgu Araçları ve Arabirimleri
Farklı Model Türleri için Sorgular
Veri Madenciliği Sorgularını Anlama
SQL Server Analysis Services Veri Madenciliği aşağıdaki sorgu türlerini destekler:
Tahmin Sorguları (Veri Madenciliği)
Modeldeki desenlere ve giriş verilerinden çıkarımlar sağlayan sorgular.
İçerik Sorguları (Veri Madenciliği)
Meta verileri, istatistikleri ve modelin kendisi hakkında diğer bilgileri döndüren sorgular.
Detaylandırma Sorguları (Veri Madenciliği)
Model için temel alınan olgu verilerini veya hatta modelde kullanılmayan yapıdan gelen verileri alabilen sorgular.
Veri Tanımı Sorguları (Veri Madenciliği)
Modelden bilgi döndürmeyen, model ve yapı oluşturmak ya da bir model veya yapıdaki verileri güncelleştirmek için kullanılan sorgular.
Sorgu oluşturmadan önce, SQL Server tarafından sağlanan veri madenciliği algoritmalarının her biriyle oluşturulan modeller arasındaki farkları tanımanızı öneririz.
Her algoritma türü için sağlanan özel veri madenciliği görüntüleyicilerini kullanarak her model türüne göz atın ve inceleyin. Daha fazla bilgi için Madencilik Modeli Görüntüleyici Görevleri ve Nasıl Yapılır bölümüne bakın.
Microsoft Genel İçerik Ağacı Görüntüleyicisi'ni kullanarak her model türünün model içeriğini gözden geçirin. Bu bilgileri yorumlamak için Madencilik Modeli İçeriği (Analysis Services - Veri Madenciliği) bölümüne bakın.
Sorgu Araçları ve Arabirimleri
SQL Server tarafından sağlanan sorgu araçlarından birini kullanarak etkileşimli olarak veri madenciliği sorguları oluşturabilirsiniz. Grafik Tahmin Sorgu Oluşturucusu hem SQL Server Veri Araçları'nda hem de SQL Server Management Studio'da sağlanır. Tahmin Sorgusu Oluşturucusu'nu daha önce kullanmadıysanız, arabirimi hakkında bilgi edinmek için Temel Veri Madenciliği Öğreticisi'ndeki adımları izlemenizi öneririz. Adımlara q hızlı genel bakış için bkz. Tahmin Sorgu Oluşturucusu'nu Kullanarak Tahmin Sorgusu Oluşturma.
Tahmin Sorgusu Oluşturucusu, daha sonra özelleştirebileceğiniz sorguları başlatmak için yararlıdır. Kolayca veri kaynakları ekleyebilir ve bunları sütunlara eşleyebilir ve ardından BIR WHERE yan tümcesi veya başka işlevler ekleyerek DMX görünümüne geçebilir ve sorguyu özelleştirebilirsiniz.
Veri madenciliği modelleri ve sorgu oluşturma hakkında bilgi edindikten sonra, Veri Madenciliği Uzantıları'nı (DMX) kullanarak doğrudan sorgular da yazabilirsiniz. DMX, Transact-SQL'e benzer ve birçok farklı istemciden kullanabileceğiniz bir sorgu dilidir. DMX, hem özel tahminler hem de karmaşık sorgular oluşturmak için tercih edilir. DMX'e giriş için bkz. DMX ile Veri Madenciliği Modelleri Oluşturma ve Sorgulama: Öğreticiler (Analysis Services - Veri Madenciliği).
DMX düzenleyicileri hem SQL Server Veri Araçları'nda hem de SQL Server Management Studio'da sağlanır. Tahmin Sorgu Oluşturucusu'nu kullanarak sorgularınızı başlatabilir, ardından görünümü metin düzenleyicisiyle değiştirebilir ve DMX deyimini başka bir istemciye kopyalayabilirsiniz. Daha fazla bilgi için bkz. Veri Madenciliği Sorgu Araçları.
DMX deyimlerini program aracılığıyla oluşturabilir ve AMO veya XMLA kullanarak istemcinizden SQL Server Analysis Services sunucusuna gönderebilirsiniz. Ancak DMX, bir madencilik modeline karşı sorgu oluşturmak için kullanmanız gereken dildir.
Veri madenciliği şema satır kümelerini temel alan Dinamik Yönetim Görünümlerini (DMV) kullanarak modelin meta verilerini, istatistiklerini ve bazı içeriğini de sorgulayabilirsiniz. Bu DMV'ler SELECT deyimleri yazarak model hakkında bilgi almayı kolaylaştırır; ancak tahmin oluşturamazsınız. SQL Server Analysis Services tarafından desteklenen DMV'ler hakkında daha fazla bilgi için bkz. Analysis Services'ı izlemek için Dinamik Yönetim Görünümlerini (DMV) kullanma.
Son olarak, Veri Madenciliği Sorgu Görevi'ni veya Veri Madenciliği Sorgu Dönüştürme'yi kullanarak Integration Services paketlerinde kullanılmak üzere veri madenciliği sorguları oluşturabilirsiniz. Denetim akışı görevi birden çok DMX sorgu türünü desteklerken, veri akışı dönüşümü yalnızca veri akışındaki verilerle çalışan sorguları destekler; yani PREDICTION JOIN söz dizimini kullanan sorgular.
Farklı Model Türleri için Sorgular
Model oluşturulurken kullanılan algoritma, veri madenciliği sorgusundan alabileceğiniz bilgi türünü büyük ölçüde etkiler. Farklılıkların nedeni, her algoritmanın verileri farklı bir şekilde işlemesi ve farklı türde desenleri depolamasıdır. Örneğin, bazı algoritmalar küme oluşturur; diğerleri ağaç oluşturur. Bu nedenle, üzerinde çalıştığınız modelin türüne bağlı olarak özel tahmin ve sorgu işlevlerini kullanmanız gerekebilir.
Aşağıdaki liste, sorgularda kullanabileceğiniz işlevlerin özetini sağlar:
Genel tahmin işlevleri:Predict işlevi polimorfiktir, yani tüm model türleriyle çalışır. Bu işlev, üzerinde çalıştığınız modelin türünü otomatik olarak algılar ve sizden ek parametreler ister. Daha fazla bilgi için bkz . Predict (DMX).
Uyarı
Tahmin yapmak için tüm modeller kullanılmaz. Örneğin, tahmin edilebilir bir özniteliği olmayan bir kümeleme modeli oluşturabilirsiniz. Ancak, modelin öngörülebilir bir özniteliği olmasa bile, modelden diğer yararlı bilgi türlerini döndüren tahmin sorguları oluşturabilirsiniz.
Özel tahmin işlevleri: Her model türü, bu algoritma tarafından oluşturulan desenlerle çalışmak için tasarlanmış bir tahmin işlevleri kümesi sağlar.
Örneğin, model için kullanılan geçmiş verileri görüntülemenize olanak sağlamak için Zaman serisi modelleri için Lag işlevi sağlanır. Kümeleme modelleri için ClusterDistance gibi işlevler daha anlamlıdır.
Her model türü için desteklenen işlevler hakkında daha fazla bilgi için aşağıdaki bağlantılara bakın:
VBA işlevlerini çağırabilir veya kendi işlevlerinizi oluşturabilirsiniz. Daha fazla bilgi için bkz . İşlevler (DMX).
Genel istatistikler: Standart sapma gibi standart bir açıklayıcı istatistik kümesi döndüren neredeyse tüm model türleriyle kullanılabilecek bir dizi işlev vardır.
Örneğin PredictHistogram işlevi, belirtilen sütunun tüm durumlarını listeleyen bir tablo döndürür.
Daha fazla bilgi için bkz. Genel Tahmin İşlevleri (DMX).
Özel istatistikler: Her model türü için, belirli analitik görevle ilgili istatistikler oluşturmak için ek destekleyici işlevler sağlanır.
Örneğin, bir kümeleme modeliyle çalışırken PredictCaseLikelihood işlevini kullanarak belirli bir durum ve kümeyle ilişkili olasılık puanını döndürebilirsiniz. Ancak, doğrusal bir regresyon modeli oluşturduysanız, içerik sorgusu kullanarak katsayı ve kesim noktasını elde etmek sizin için daha ilgi çekici olacaktır.
Model içeriği işlevleri: Tüm modellerin içeriği , basit bir sorguyla bilgi almanıza olanak tanıyan standart bir biçimde temsil edilir. DMX kullanarak model içeriğinde sorgular oluşturursunuz. Veri madenciliği şeması satır kümelerini kullanarak da bir tür model içeriği alabilirsiniz.
Model içeriğinde, döndürülen tablonun her satırının veya düğümünün anlamı, modeli oluşturmak için kullanılan algoritmanın türüne ve sütunun veri türüne bağlı olarak değişir. Daha fazla bilgi için bkz. İçerik Sorguları (Veri Madenciliği).
Gereksinimler
Bir modelde sorgu oluşturabilmeniz için önce veri madenciliği modelinin işlenmiş olması gerekir. SQL Server Analysis Services nesnelerinin işlenmesi özel izinler gerektirir. Madencilik modellerini işleme hakkında daha fazla bilgi için bkz. İşleme Gereksinimleri ve Önemli Noktalar (Veri Madenciliği).
Bir veri madenciliği modeline karşı sorgu yürütmek için çalıştırdığınız sorgu türüne bağlı olarak farklı izin düzeyleri gerekir. Örneğin, olay veya yapı verilerine detay incelemesi genellikle madencilik yapısı veya madencilik modeli üzerinde ayarlanabilen ek izinler gerektirir.
Ancak, sorgunuz dış veriler kullanıyorsa ve OPENROWSET veya OPENQUERY gibi deyimler içeriyorsa, sorguladığınız veritabanı bu deyimleri etkinleştirmeli ve temel veritabanı nesneleri üzerinde izniniz olmalıdır.
Veri madenciliği sorgularını çalıştırmak için gereken güvenlik bağlamları hakkında daha fazla bilgi için bkz . Güvenliğe Genel Bakış (Veri Madenciliği)
Bu Kısımda
Bu bölümdeki konular, her veri madenciliği sorgusu türünü daha ayrıntılı olarak tanıtır ve veri mingin modellerine karşı sorgu oluşturmanın ayrıntılı örneklerinin bağlantılarını sağlar.
Tahmin Sorguları (Veri Madenciliği)
İçerik Sorguları (Veri Madenciliği)
Detaylandırma Sorguları (Veri Madenciliği)
Veri Tanımı Sorguları (Veri Madenciliği)
Veri Madenciliği Sorgu Araçları
İlgili Görevler
Veri madenciliği sorguları oluşturmayı ve bunlarla çalışmayı öğrenmek için bu bağlantıları kullanın.
Ayrıca Bkz.
Veri Madenciliği Algoritmaları (Analysis Services - Veri Madenciliği)
Madencilik Modeli İçeriği (Analysis Services - Veri Madenciliği)