MADENCILIK MODELI YARAT (DMX)

Şunlar için geçerlidir: SQL Server Analysis Services

Veritabanında hem yeni bir madencilik modeli hem de bir madencilik yapısı oluşturur. Bir modeli ya ifadede yeni modeli tanımlayarak ya da Predictive Model Markup Language (PMML) kullanarak oluşturabilirsiniz. Bu ikinci seçenek sadece ileri düzey kullanıcılar içindir.

Madencilik yapısı, model adına "_structure" ekleyerek adlandırılır; bu da yapı adının model adından benzersiz olmasını sağlar.

Mevcut bir madencilik yapısı için madencilik modeli oluşturmak için ALTER MINING STRUCTURE (DMX) ifadesini kullanın.

Syntax

  
CREATE [SESSION] MINING MODEL <model>  
(  
    [(<column definition list>)]  
)  
USING <algorithm> [(<parameter list>)] [WITH DRILLTHROUGH]  
CREATE MINING MODEL <model> FROM PMML <xml string>  

Arguments

Model
Model için benzersiz bir isim.

Sütun tanım listesi
Sütun tanımlarının virgülle ayrılmış bir listesi.

algoritma
Mevcut sağlayıcı tarafından tanımlanan bir veri madenciliği algoritmasının adı.

Note

Mevcut sağlayıcı tarafından desteklenen algoritmaların bir listesi DMSCHEMA_MINING_SERVICES Rowset kullanılarak alınabilir. Mevcut Analiz Hizmetleri örneğinde desteklenen algoritmaları görmek için Veri Madenciliği Özellikleri bölümüne bakınız.

Parametre listesi
Optional. Algoritma için sağlayıcı tarafından tanımlanan parametrelerin virgülle ayrılmış bir listesi.

XML dizisi
(Sadece gelişmiş kullanım için.) XML kodlu bir model (PMML). Dizinin tek tırnak işareti (') içinde olması gerekir.

SESSION maddesi, bağlantı kapandığında veya oturum süresi dolduğunda sunucudan otomatik olarak kaldırılan bir madencilik modeli oluşturmanıza olanak tanır. SESSION madenciliği modelleri faydalıdır çünkü kullanıcının veritabanı yöneticisi olmasını gerektirmez ve bağlantı açık olduğu sürece disk alanı kullanırlar.

WITH DRILLTHROUGH maddesi, yeni madencilik modelinde sondajın yapılmasını mümkün kılar. Drillthrough sadece modeli oluşturduğunuzda etkinleştirilebilir. Bazı model türleri için, modeli özel görüntüleyicide gezebilmek için delin yapılması gerekir. Microsoft Genel İçerik Ağacı Görüntüleyici kullanılarak modeli tahmin etmek veya gezinmek için sondaj işlemi gerekmez.

CREATE MINING MODEL ifadesi, sütun tanım listesi, algoritma ve algoritma parametre listesine dayanan yeni bir madencilik modeli oluşturur.

Sütun Tanım Listesi

Sütun tanım listesini kullanan bir modelin yapısını, her sütun için aşağıdaki bilgileri dahil ederek tanımlarsınız:

• İsim (zorunlu)

• Veri türü (zorunlu)

• Distribution

• Modelleme bayrakları listesi

• İçerik türü (zorunlu)

• Tahmin talebi, algoritmaya bu sütunu tahmin etmesi için PREDICT veya PREDICT_ONLY maddesi ile belirtilen

• Bir öznitelik sütunuyla ilişki (yalnızca uygulanırsa zorunludur), RELATED TO maddesiyle belirtilir

Tek bir sütun tanımlamak için sütun tanım listesi için aşağıdaki sözdizimi kullanın:

<column name>    <data type>    [<Distribution>]    [<Modeling Flags>]    <Content Type>    [<prediction>]    [<column relationship>]   

İç içe bir tablo sütunu tanımlamak için sütun tanım listesi için aşağıdaki sözdizimi kullanın:

<column name>    TABLE    [<prediction>] ( <non-table column definition list> )  

Modelleme bayrakları dışında, belirli bir gruptan birden fazla madde kullanarak bir sütun tanımlayamazsınız. Bir sütun için birden fazla modelleme bayrağı tanımlayabilirsiniz.

Bir sütun tanımlamak için kullanabileceğiniz veri türleri, içerik türleri, sütun dağılımları ve modelleme bayraklarının listesi için aşağıdaki konulara bakınız:

• Veri Türleri (Veri Madenciliği)

• İçerik Türleri (Veri Madenciliği)

• Sütun Dağılımları (Veri Madenciliği)

• Modelleme İşaretçileri (Veri Madenciliği)

İki sütun arasındaki ilişkiyi tanımlamak için ifadeye bir madde ekleyebilirsiniz. Analysis Services, aşağıdaki <Sütun ilişkisi> maddesinin kullanımını destekler.

İLGİLİ
Bu form bir değer hiyerarşisini gösterir. RELATED TO sütununun hedefi, iç içe bir tablodaki bir anahtar sütun, vaka satırında ayrık değerli bir sütun veya daha derin bir hiyerarşiyi gösteren RELATED TO cümlesine sahip başka bir sütun olabilir.

Tahmin sütununun nasıl kullanıldığını açıklamak için bir tahmin maddesi kullanın. Aşağıdaki tablo iki olası cümleyi tanımlamaktadır.

<Tahmin> Maddesi	Description
TAHMIN ET	Bu sütun model tarafından tahmin edilebilir ve giriş vakalarında diğer öngörülebilir sütunların değerini tahmin etmek için sağlanabilir.
PREDICT_ONLY	Bu sütun model tarafından tahmin edilebilir, ancak değerleri giriş senaryolarında diğer öngörülebilir sütunların değerini tahmin etmek için kullanılamaz.

Parametre Tanım Listesi

Parametre listesini kullanarak madencilik modelinin performansını ve işlevselliğini ayarlayabilirsiniz. Parametre listesinin sözdizimi şöyledir:

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

Her algoritma ile ilişkili parametrelerin listesi için bkz. Veri Madenciliği Algoritmaları (Analiz Hizmetleri - Veri Madenciliği).

Remarks

Yerleşik test veri seti olan bir model oluşturmak istiyorsanız, CREATE MINING STRUCTURE ve ardından ALTER MINING STRUCTURE ifadesini kullanmalısınız. Ancak, tüm model tipleri bekletme veri setini desteklememektedir. Daha fazla bilgi için bkz . CREATE MINING STRUCTURE (DMX).

CREATEMODEL ifadesi kullanılarak madencilik modeli oluşturmanın nasıl yapılacağına dair bir rehber için Time Series Prediction DMX Eğitimi'ne bakınız.

Naif Bayes Örneği

Aşağıdaki örnek, Microsoft Naive Bayes algoritmasını kullanarak yeni bir madencilik modeli oluşturmaktadır. Bisiklet Alıcısı sütunu öngörülebilir özellik olarak tanımlanır.

CREATE MINING MODEL [NBSample]  
(  
    CustomerKey LONG KEY,   
    Gender TEXT DISCRETE,  
    [Number Cars Owned] LONG DISCRETE,  
    [Bike Buyer] LONG DISCRETE PREDICT  
)  
USING Microsoft_Naive_Bayes  

Dernek Model Örneği

Aşağıdaki örnek, yeni bir madencilik modeli oluşturmak için Microsoft Association algoritmasını kullanmaktadır. Bu ifade, model tanımı içinde bir tablo sütunu kullanarak bir tablo yerleştirme imkanından faydalanır. Model, MINIMUM_PROBABILITY ve MINIMUM_SUPPORT parametreleri kullanılarak değiştirilir.

CREATE MINING MODEL MyAssociationModel (  
    OrderNumber TEXT KEY,  
    [Products] TABLE PREDICT (  
        [Model] TEXT KEY  
    )  
)  
USING Microsoft_Association_Rules (Minimum_Probability = 0.1, MINIMUM_SUPPORT = 0.01)  

Dizi Kümeleme Örneği

Aşağıdaki örnek, yeni bir madencilik modeli oluşturmak için Microsoft Sequence Clustering algoritmasını kullanır. Modeli tanımlamak için iki anahtar kullanılır. OrderNumber sütunu harf anahtarı olarak kullanılır ve bireysel siparişleri belirtir. LineNumber sütunu iç içe tablo anahtarı olarak kullanılır ve bir sıraya hangi sırada öğelerin eklendiğini belirtir.

CREATE MINING MODEL BuyingSequence (  
    [Order Number] TEXT KEY,  
    [Products] TABLE   
     (  
        [Line Number] LONG KEY SEQUENCE,  
        [Model] TEXT DISCRETE PREDICT  
    )  
)  
USING Microsoft_Sequence_Clustering  

Zaman Serisleri Örneği

Aşağıdaki örnek, ARTxp algoritması kullanılarak yeni bir madencilik modeli oluşturmak için Microsoft Times Series algoritmasını kullanmaktadır. ReportingDate, zaman serisi için anahtar sütun, ModelRegion ise veri serisi için anahtar sütundur. Bu örnekte, verilerin periyodikliğinin her 12 ayda bir olduğu varsayılır. Bu nedenle, PERIODICITY_HINT parametresi 12 olarak ayarlanır.

Note

PERIODICITY_HINT parametresini brace karakterleri kullanarak belirtmelisiniz. Ayrıca, değer bir dizi olduğu için tek tırnak işareti içinde yer almalıdır: "{sayısal< değer>}".

CREATE MINING MODEL SalesForecast (  
        ReportingDate DATE KEY TIME,  
        ModelRegion TEXT KEY,  
        Amount LONG CONTINUOUS PREDICT,  
        Quantity LONG CONTINUOUS PREDICT  
)  
USING Microsoft_Time_Series (PERIODICITY_HINT = '{12}', FORECAST_METHOD = 'ARTXP')  

İlgili içerik

• DMX Açıklamaları - Veri Tanımı
• DMX Ifadeleri - Veri İşleme
• Veri Madenciliği Uzantısı (DMX) İyilemeleri