创建预测（数据挖掘教程）
测试完挖掘模型的准确性并确定对这些模型满意之后，便可使用数据挖掘设计器中**“挖掘模型预测”**选项卡上的预测查询生成器来创建数据挖掘扩展插件 (DMX) 预测查询。 预测查询生成器与访问查询生成器类似；可以使用拖放操作生成查询。 预测查询生成器包含下列视图：
- 设计
- 查询
- 结果
使用**“设计”和“查询”视图，可以生成并检查查询。 然后可以在“结果”**视图中运行查询并查看结果。
有关如何使用预测查询生成器的详细信息，请参阅创建 DMX 预测查询。
创建查询
创建预测查询的第一步是选择挖掘模型和输入表。
选择模型和输入表
在数据挖掘设计器**“挖掘模型预测”选项卡的“挖掘模型”框中，单击“选择模型”**。
系统将打开**“选择挖掘模型”**对话框。
在整个树中导航到**“目标邮件”结构，展开该结构并选择 TM_Decision_Tree，再单击“确定”**。
在**“选择输入表”框中，单击“选择事例表”**。
系统将打开**“选择表”**对话框。
在**“数据源”**列表中，确保已选中 Adventure Works DW。
在**“表/视图名称”中，选择 ProspectiveBuyer 表，再单击“确定”**。
选择输入表之后，预测查询生成器便会根据各列的名称在挖掘模型和输入表之间创建默认映射。
生成预测查询
在**“挖掘模型预测”选项卡上网格内的“源”**列中，单击第一个空行中的单元格，然后选择 ProspectiveBuyer。
在 ProspectiveBuyer 行的**“字段”**列中，确保已选中 ProspectAlternateKey。
这会将唯一标识符添加到预测查询中，以便能标识可能购买自行车以及不可能购买自行车的人员。
在**“源”**列中，单击下一个空行，然后选择 TM_Decision_Tree。
在 TM_Decision_Tree 行的**“字段”列中，确保已选中“自行车购买者”**。
这样会指定将目标邮件结构中的 Microsoft 决策树模型用于创建预测。
在 “源”列下，单击下一个空行，然后选择“预测函数”。
在**“预测函数”行的“字段”**列中，选择 PredictProbability。
预测函数提供有关模型如何进行预测的信息。 PredictProbability 函数提供有关正确预测的概率信息。 您可以在**“条件/参数”**列中指定预测函数的参数。
在 PredictProbability 行的**“条件/参数”**列中，键入 [TM_Decision_Tree].[Bike Buyer]。
这将指定 PredictProbability 函数的目标列。 有关函数的详细信息，请参阅数据挖掘扩展插件 (DMX) 函数参考。
单击**“挖掘模型预测”选项卡工具栏上的第一个按钮“切换到查询结果视图”**。
下表显示了返回的部分结果。 这些结果表明，ID 为 827 的客户有可能购买自行车，而且预测正确的可能性为 63%。
| ProspectAlternateKey | BikeBuyer | 表达式 |
|---|---|---|
827 |
1 |
0.633836… |
833 |
0 |
0.521134… |
844 |
0 |
0.735697… |
查看结果
ProspectAlternateKey、BikeBuyer 以及 Expression 列标识潜在的客户，指示潜在的客户是否为自行车购买者，并预测正确的概率。 您可以根据这些结果来决定应该向哪些潜在客户发送邮件。
可通过**“挖掘模型预测”选项卡工具栏上的第一个按钮在三个视图间切换。 在单击“切换到查询结果视图”后，可以看到当前预测查询的结果。 在查看结果时，可以单击“切换到查询设计视图”**返回到该网格并更改查询。
如果切换到**“查询”**视图，可以查看并修改预测查询生成器创建的 DMX 代码。 您还可以运行查询，修改查询，并运行修改后的查询。 例如，若要只查看预测为会购买自行车的客户并且根据购买可能性下降的顺序对他们进行排序，可以在 DMX 查询的末尾添加以下语句：
WHERE [Bike Buyer] = 1
ORDER BY PredictProbability([TM_Decision_Tree].[Bike Buyer]) DESC
可以在**“查询”视图和“结果”视图之间来回切换；但是，如果您切换回“设计”**视图，则不会保留修改过的查询。