Tahmin Sorguları (Veri Madenciliği)

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.

Tipik bir veri madenciliği projesinin amacı, tahminlerde bulunmak için madencilik modelini kullanmaktır. Örneğin, belirli bir sunucu kümesi için beklenen kapalı kalma süresi miktarını tahmin etmek veya müşteri segmentlerinin reklam kampanyasına yanıt verip vermeyeceğini gösteren bir puan oluşturmak isteyebilirsiniz. Tüm bunları yapmak için bir tahmin sorgusu oluşturabilirsiniz.

İşlevsel olarak, sorguya giriş türüne bağlı olarak SQL Server'da desteklenen farklı tahmin sorguları türleri vardır:

Sorgu Türü Sorgu Seçenekleri
Tekil tahmin sorguları Yeni bir vaka veya birden çok yeni vaka için sonuçları öngörmek istediğinizde tekil sorgu kullanın. Giriş değerlerini doğrudan sorguda sağlarsınız ve sorgu tek bir oturum olarak yürütülür.
Toplu tahminler Modele beslemek istediğiniz dış verileriniz olduğunda, tahminler için temel olarak kullanmak üzere toplu tahminleri kullanın. Bir veri kümesinin tamamı için tahminlerde bulunmak için, dış kaynaktaki verileri modeldeki sütunlara eşler ve sonra çıktısını almak istediğiniz tahmine dayalı veri türünü belirtirsiniz.

Veri kümesinin tamamına yönelik sorgu tek bir oturumda yürütülür ve bu seçenek birden çok yinelenen sorgu göndermekten çok daha verimli hale getirilir.
Zaman Serisi tahminleri Gelecekteki bazı adımlarda bir değeri tahmin etmek istediğinizde zaman serisi sorgusu kullanın. SQL Server Veri Madenciliği, zaman serisi sorgularında aşağıdaki işlevleri de sağlar:

Sorgunun bir parçası olarak yeni veriler ekleyerek mevcut modeli genişletebilir ve bileşik seriyi temel alan tahminler yapabilirsiniz.

REPLACE_MODEL_CASES seçeneğini kullanarak mevcut bir modeli yeni bir veri serisine uygulayabilirsiniz.

Çapraz tahmin gerçekleştirebilirsiniz.

Aşağıdaki bölümlerde tahmin sorgularının genel söz dizimi, farklı tahmin sorgusu türleri ve tahmin sorgularının sonuçlarıyla nasıl çalışıldığı açıklanmaktadır.

Temel Tahmin Sorgusu Tasarımı

Sorguların Sonuçlarıyla Çalışma

Temel Tahmin Sorgusu Tasarımı

Tahmin oluşturduğunuzda, genellikle yeni verilerin bir kısmını sağlar ve modelden yeni verileri temel alan bir tahmin oluşturmasını istersiniz.

  • Toplu tahmin sorgusunda, tahmin birleştirmesi kullanarak modeli dış veri kaynağıyla eşlersiniz.

  • Tek bir tahmin sorgusunda, giriş olarak kullanılacak bir veya daha fazla değer yazarsınız. Tek bir tahmin sorgusu kullanarak birden çok tahmin oluşturabilirsiniz. Ancak, çok fazla tahmin oluşturmanız gerekiyorsa, toplu sorgu kullandığınızda performans daha iyidir.

Hem tekil hem de toplu tahmin sorguları, yeni verileri tanımlamak için PREDICTION JOIN söz dizimini kullanır. Fark, tahmin birleştirmesinin giriş tarafının nasıl belirtildiğidir.

  • Toplu tahmin sorgusunda, veriler OPENQUERY söz dizimi kullanılarak belirtilen bir dış veri kaynağından gelir.

  • Singleton tahmin sorgusunda, veriler sorguya satır içi olarak eklenir.

Zaman serisi modellerinde giriş verileri her zaman gerekli değildir; yalnızca modelde bulunan verileri kullanarak tahminlerde bulunmak mümkündür. Ancak yeni giriş verileri belirtirseniz, modeli güncelleştirmek ve genişletmek için yeni verileri mi kullanacağınıza yoksa modelde kullanılan özgün veri serisini mi değiştireceğinize karar vermeniz gerekir. Bu seçenekler hakkında daha fazla bilgi için bkz. Time Series Model Sorgu Örnekleri.

Tahmin İşlevleri Ekleme

Bir değeri tahmin etmeye ek olarak, tahmin sorgusunu, tahminle ilgili çeşitli bilgi türlerini döndürecek şekilde özelleştirebilirsiniz. Örneğin, tahmin müşteriye önerecek bir ürün listesi oluşturursa, bunları derecelendirebilmeniz ve kullanıcıya yalnızca en önemli önerileri sunabilmeniz için her tahmin için olasılığı döndürmek isteyebilirsiniz.

Bunu yapmak için sorguya tahmin işlevleri eklersiniz. Her model veya sorgu türü belirli işlevleri destekler. Örneğin, kümeleme modelleri model tarafından oluşturulan kümeler hakkında ek ayrıntı sağlayan özel tahmin işlevlerini desteklerken, zaman serisi modellerinin zaman içindeki farkları hesaplayan işlevleri vardır. Neredeyse tüm model türleriyle çalışan genel tahmin işlevleri de vardır. Farklı sorgu türlerinde desteklenen tahmin işlevlerinin listesi için bu konuya bakın: DMX başvurusu: Genel Tahmin İşlevleri (DMX).

Singleton Tahmin Sorguları Oluşturma

Tek tahmin sorgusu, gerçek zamanlı olarak hızlı tahminler oluşturmak istediğinizde kullanışlıdır. Yaygın bir senaryo, bir müşteriden bilgi edinmiş olmanız, belki de Web sitesindeki bir formu kullanmanız ve bu verileri tek bir tahmin sorgusuna giriş olarak göndermek istemeniz olabilir. Örneğin, bir müşteri listeden bir ürün seçtiğinde, önerilen en iyi ürünleri tahmin eden bir sorgunun girişi olarak bu seçimi kullanabilirsiniz.

Tekil tahmin sorguları, girdi içeren ayrı bir tablo gerektirmez. Bunun yerine, modele giriş olarak bir veya birden çok değer satırı sağlarsınız ve tahmin veya tahminler gerçek zamanlı olarak döndürülür.

Uyarı

İsmine rağmen, singleton tahmin sorguları yalnızca tek tahmin yapmaz; her giriş kümesi için birden çok tahmin oluşturabilirsiniz. Her giriş olayı için bir SELECT deyimi oluşturup bunları UNION işleciyle birleştirerek birden çok giriş olayı sağlarsınız.

Tek bir tahmin sorgusu oluşturduğunuzda, modele yeni verileri PREDICTION JOIN biçiminde sağlamanız gerekir. Bu, gerçek bir tabloyla eşlemediğiniz halde yeni verilerin araştırma modelindeki mevcut sütunlara eşleştiğinden emin olmanız gerektiği anlamına gelir. Yeni veri sütunları ve yeni veriler tam olarak eşleşiyorsa, SQL Server Analysis Services sütunları sizin için eşler. Buna NATURAL PREDICTION JOIN adı verilir. Bununla birlikte, sütunlar eşleşmiyorsa veya yeni veriler modeldeki aynı türde ve miktarda veri içermiyorsa, modeldeki hangi sütunların yeni verilerle eşleneceğini belirtmeniz veya eksik değerleri belirtmeniz gerekir.

Batch Tahmin Sorguları

Toplu tahmin sorgusu, tahmin yaparken kullanmak istediğiniz dış verileriniz olduğunda kullanışlıdır. Örneğin, müşterileri çevrimiçi etkinliklerine ve satın alma geçmişine göre kategorilere ayıran bir model oluşturmış olabilirsiniz. Bu modeli yeni alınan müşteri adayları listesine uygulayabilir, satış tahminleri oluşturabilir veya önerilen kampanyaların hedeflerini belirleyebilirsiniz.

Tahmin birleştirmesi gerçekleştirdiğinizde modelin sütunlarını yeni veri kaynağındaki sütunlara eşlemeniz gerekir. Bu nedenle, bir giriş için seçtiğiniz veri kaynağının modeldeki verilere benzer veriler olması gerekir. Yeni bilgilerin tam olarak eşleşmesi gerekmez ve eksik olabilir. Örneğin, modelin gelir ve yaş bilgileri kullanılarak eğitildiğini, ancak tahminler için kullandığınız müşteri listesinin yaşı olduğunu ancak gelirle ilgili bir şey olmadığını varsayalım. Bu senaryoda, yeni verileri modelle eşlemeye ve her müşteri için bir tahmin oluşturmaya devam edebilirsiniz. Ancak gelir, model için önemli bir tahmin aracıysa, eksiksiz bilgilerin olmaması tahminlerin kalitesini etkileyebilir.

En iyi sonuçları elde etmek için, yeni veri ve model arasında mümkün olduğunca çok eşleşen sütunu birleştirmeniz gerekir. Ancak, eşleşme olmasa bile sorgu başarılı olur. Hiçbir sütun birleştirilmemişse sorgu, PREDICTION JOIN yan tümcesi olmadan deyimine SELECT <predictable-column> FROM <model> eşdeğer olan marjinal tahmini döndürür.

Tüm ilgili sütunları başarıyla eşledikten sonra sorguyu çalıştırırsınız ve SQL Server Analysis Services, modeldeki desenleri temel alarak yeni verilerdeki her satır için tahminlerde bulunur. Sonuçları dış verileri içeren veri kaynağı görünümünde yeni bir tabloya kaydedebilir veya SQL Server Veri Araçları veya SQL Server Management Studio kullanıyorsanız verileri kopyalayıp yapıştırabilirsiniz.

Uyarı

Tasarımcıyı SQL Server Veri Araçları'nda kullanıyorsanız, dış veri kaynağının önce veri kaynağı görünümü olarak tanımlanması gerekir.

Tahmin birleştirmesi oluşturmak için DMX kullanıyorsanız, OPENQUERY, OPENROWSET veya SHAPE komutlarını kullanarak dış veri kaynağını belirtebilirsiniz. DMX şablonlarındaki varsayılan veri erişim yöntemi OPENQUERY'dir. Bu yöntemler hakkında bilgi için bkz <. kaynak veri sorgusu>.

Zaman Serisi Madencilik Modellerindeki Tahminler

Zaman serisi modelleri diğer model türlerinden farklıdır; tahmin oluşturmak için modeli olduğu gibi kullanabilir veya modeli güncelleştirmek ve son eğilimlere göre tahminler oluşturmak için modele yeni veriler sağlayabilirsiniz. Yeni veri eklerseniz, yeni verilerin nasıl kullanılacağını belirtebilirsiniz.

  • Model durumlarını genişletmek, yeni verileri zaman serisi modelindeki mevcut veri setine eklemek anlamına gelir. Bundan sonra, tahminler yeni, birleştirilmiş seriyi temel alır. Mevcut modele yalnızca birkaç veri noktası eklemek istediğinizde bu seçenek iyi olur.

    Örneğin, önceki yıla ait satış verileri üzerinde eğitilmiş mevcut bir zaman serisi modeliniz olduğunu varsayalım. Birkaç aylık yeni satış verilerini topladıktan sonra geçerli yıla ait satış tahminlerinizi güncelleştirmeye karar verirsiniz. Yeni veriler ekleyerek modeli güncelleştiren ve modeli yeni tahminler yapacak şekilde genişleten bir tahmin birleşimi oluşturabilirsiniz.

  • Model vakalarını değiştirmek, eğitilen modeli tutmanız, ancak temel alınan vakaları yeni bir vaka verileri kümesiyle değiştirmeniz anlamına gelir. Bu seçenek, modelin eğilimini korumak ancak farklı bir veri kümesine uygulamak istediğinizde kullanışlıdır.

    Örneğin, özgün modeliniz çok yüksek satış hacimlerine sahip bir veri kümesi üzerinde eğitilmiş olabilir; temel alınan verileri yeni bir seriyle değiştirdiğinizde (belki de satış hacmi daha düşük olan bir mağazadan), eğilimi korursunuz, ancak tahminler yeni serideki değerlerden başlar.

Hangi yaklaşımı kullanırsanız kullanın, tahminlerin başlangıç noktası her zaman özgün serinin sonudur.

Zaman serisi modellerinde tahmin birleşimleri oluşturma hakkında daha fazla bilgi için bkz. Time Series Model Sorgu Örnekleri veya PredictTimeSeries (DMX).

Tahmin Sorgusunun Sonuçlarıyla Çalışma

Veri madenciliği tahmin sorgusunun sonuçlarını kaydetme seçenekleriniz, sorguyu nasıl oluşturduğunuza bağlı olarak farklıdır.

  • SQL Server Management Studio veya SQL Server Veri Araçları'nda Tahmin Sorgu Oluşturucusu'nu kullanarak bir sorgu oluşturduğunuzda, tahmin sorgusunun sonuçlarını mevcut bir SQL Server Analysis Services veri kaynağına kaydedebilirsiniz. Daha fazla bilgi için bkz. Tahmin Sorgusunun Sonuçlarını Görüntüleme ve Kaydetme.

  • SQL Server Management Studio'nun Sorgu bölmesinde DMX kullanarak tahmin sorguları oluşturduğunuzda, sonuçları bir dosyaya veya Sorgu Sonuçları bölmesine metin olarak veya kılavuzda kaydetmek için sorgu çıktı seçeneklerini kullanabilirsiniz. Daha fazla bilgi için bkz. Sorgu ve Metin Düzenleyicileri (SQL Server Management Studio).

  • Integration Services bileşenlerini kullanarak bir tahmin sorgusu çalıştırdığınızda, görevler kullanılabilir bir ADO.NET bağlantı yöneticisi veya OLEDB bağlantı yöneticisi kullanarak sonuçları veritabanına yazma olanağı sağlar. Daha fazla bilgi için bkz. Veri Madenciliği Sorgu Görevi.

Tahmin sorgusunun sonuçlarının, her zaman tek bir ilişkili değer satırı döndüren ilişkisel veritabanındaki bir sorgunun sonuçlarına benzmediğini anlamak önemlidir. Sorguya eklediğiniz her DMX tahmin işlevi kendi satır kümesini döndürür. Bu nedenle, tek bir vaka üzerinde tahmin yaptığınızda, sonuç ek ayrıntılar içeren iç içe tabloların çeşitli sütunlarıyla birlikte öngörülen bir değer olabilir.

Bir sorguda birden çok işlevi birleştirirseniz, döndürülen sonuçlar hiyerarşik satır kümesi olarak birleştirilir. Örneğin, bu DMX deyimi gibi bir sorgu kullanarak satış tutarı ve satış miktarı için gelecekteki değerleri tahmin etmek için bir zaman serisi modeli kullandığınızı varsayalım:

SELECT  
  PredictTimeSeries([Forecasting].[Amount]) as [PredictedAmount]  
, PredictTimeSeries([Forecasting].[Quantity]) as [PredictedQty]  
FROM  
  [Forecasting]

Bu sorgunun sonuçları, her tahmin edilen seri için bir sütun olmak üzere iki sütundur ve her satırda tahmin edilen değerlerle iç içe yerleştirilmiş bir tablo bulunur:

PredictedAmount

$TIME Miktar
201101 172067.11
$TIME Miktar
201102 363390.68

PredictedQty

$TIME Miktar
201101 77
$TIME Miktar
201102 260

Sağlayıcınız hiyerarşik satır kümelerini işleyemiyorsa, tahmin sorgusunda FLATTEN anahtar sözcüğünü kullanarak sonuçları düzleştirebilirsiniz. Düzleştirilmiş satır kümeleri örnekleri de dahil olmak üzere daha fazla bilgi için bkz. SELECT (DMX).

Ayrıca Bkz.

İçerik Sorguları (Veri Madenciliği)
Veri Tanımı Sorguları (Veri Madenciliği)

  • Last updated on