預測查詢 (資料採礦)

  • 發行項

適用于：SQL Server 2019 和更早版本的 Analysis Services Azure Analysis Services Fabric/Power BI Premium

重要

資料採礦自 SQL Server 2017 Analysis Services 起退場，現在的 SQL Server 2022 Analysis Services 已不再繼續提供。 已退場和不再繼續提供之功能的文件不予更新。 若要深入了解，請參閱 Analysis Services 回溯相容性。

典型資料採礦專案的目標是要使用採礦模型來進行預測。 例如，您可以預測特定伺服器叢集的預期停機時間，或產生分數以指出特定客戶是否可能回應廣告宣傳活動。 若要執行所有這些作業，您需要建立預測查詢。

就功能而言，SQL Server 中支援不同類型的預測查詢 (視查詢的輸入類型而定)：

查詢類型 查詢選項
單一預測查詢 當您想要預測單一新案例或多個新案例的結果時，請使用單一查詢。 您可直接在查詢中提供輸入值，而查詢會當做單一工作階段執行。
批次預測 當您擁有想要送入模型中的外部資料時，請使用批次預測當做預測基礎。 若要對整組資料做出預測，您會將外部來源中的資料對應到模型中的資料行，然後指定您想要輸出的預測資料類型。

對整個資料集的查詢會在單一工作階段中執行，讓這個選項比傳送多個重複查詢更有效率。
時間序列預測 當您想要預測某個未來步驟數的值時，請使用時間序列查詢。 SQL Server 資料採礦會在時間序列查詢中提供以下功能：

您可以加入新的資料當做查詢的一部分來擴充現有的模型，然後根據複合數列做出預測。

您可以使用 REPLACE_MODEL_CASES 選項將現有的模型套用至新的資料數列。

您可以執行交叉預測。

下列各節描述預測查詢的一般語法、不同預測查詢類型，以及如何使用預測查詢的結果。

基本預測查詢設計

使用查詢的結果

基本預測查詢設計

當您建立預測時，通常要提供一些新資料並要求模型根據新的資料產生預測。

  • 在批次預測查詢中，您會使用 「預測聯結」(Prediction Join) 將模型對應至外部資料來源。

  • 在單一預測查詢中，您會輸入一個或多個值當做輸入。 您可以使用單一預測查詢來建立多個預測。 但是，如果您需要建立多個預測，當您使用批次查詢時的效能會更好。

單一查詢和批次預測查詢皆使用 PREDICTION JOIN 語法定義新資料。 不同之處在於預測聯結之輸入端的指定方式。

  • 在批次預測查詢中，資料來自使用 OPENQUERY 語法指定的外部資料來源。

  • 在單一預測查詢中，資料會以內嵌方式當做查詢的一部分提供。

對於時間序列模型而言，不一定需要輸入資料；您可以只使用模型中的現有資料做出預測。 但是，如果您指定新的輸入資料，必須決定要使用新資料來更新及擴充模型，還是要取代原本在模型中使用的原始資料數列。 如需這些選項的詳細資訊，請參閱 Time Series Model Query Examples。

加入預測函數

除了預測值之外，您也可以自訂預測查詢以傳回與預測相關的各種資訊類型。 例如，如果預測建立一份建議客戶購買的產品清單，您可能也想傳回每個預測的機率，以進行排名，並只向使用者呈現熱門建議。

若要這樣做，您需要將 「預測函數」 (Prediction Function) 加入至查詢。 每個模型或查詢類型都支援特定的函數。 例如，叢集模型支援特殊的預測函數，可針對模型建立的叢集提供額外的詳細資料，而時間序列模型則含有可計算一段時間之差異的函數。 也有可用於幾乎所有模型類型的一般預測函數。 如需不同查詢類型中支援的預測函數清單，請參閱本主題 DMX 參考： 一般預測函數 (DMX) 。

建立單一預測查詢

當您想要即時建立快速預測時，單一預測查詢便很有用。 常見的案例可能是您已經向客戶取得資訊 (或許是使用網站上的表單)，而且您想要以單一預測查詢的輸入形式提交該資料。 例如，當客戶從清單中選擇產品時，您可以使用選取內容當做預測最佳建議產品的查詢輸入。

單一預測查詢不需要包含輸入的個別資料表。 相反地，您會提供一個或多個資料列值做為模型的輸入，然後再即時傳回一個或多個預測。

警告

儘管名稱相同，單一預測查詢不只是進行單一預測，您也可以為每個輸入集產生多個預測。 若要提供多個輸入案例，您會針對每一個輸入案例建立 SELECT 陳述式，並將其與 UNION 運算子結合。

當您建立單一預測查詢時，必須以 PREDICTION JOIN 的形式為模型提供新資料。 這表示即使不是對應至實際的資料表，也必須確定新資料符合採礦模型中現有的資料行。 如果新的資料行和新的資料完全相符，SQL Server Analysis Services將會為您對應資料行。 這稱為 NATURAL PREDICTION JOIN。 不過，如果資料行不相符，或者新資料所包含的資料類型和數量與模型中的不同，您必須指定模型中與新資料對應的資料行，或指定遺漏的值。

批次預測查詢

如果您有外部資料想要用來做預測，批次預測查詢便很有用。 例如，您可能已經建立一個模型，此模型會根據客戶的線上活動和購買歷史記錄來為客戶分類。 您可將該模型套用到最新取得的潛在客戶清單，以便建立銷售預測或是辨識建議促銷活動的目標客群。

當您執行預測聯結時，必須將模型中的資料行對應到新資料來源中的資料行。 因此，您選擇當做輸入的資料來源必須包含與模型中資料類似的內容。 新資訊不必完全相符，也可以不完整。 例如，假設使用收入和年齡資訊來定型模型，但是用於預測的客戶清單有年齡資訊，卻沒有與收入有關的任何資訊。 在此情況下，您仍可以將新資料對應至模型，並可為每個客戶建立預測。 但是，如果收入是模型的重要預測因數，則資訊不完整會影響預測的品質。

若要取得最佳結果，應該在新資料和模型之間盡可能聯結相符的資料行。 不過，即使沒有相符的項目，查詢也會成功。 如果沒有聯結任何資料行，則查詢會傳回臨界預測，該預測相當於不具有 PREDICTION JOIN 子句的陳述式 SELECT <predictable-column> FROM <model> 。

成功對應所有相關資料行之後，您會執行查詢，SQL Server Analysis Services根據模型中的模式，針對新資料中的每個資料列進行預測。 您可以將結果儲存回包含外部資料的資料來源檢視中的新資料表，也可以複製並貼上您正在使用SQL Server Data Tools或SQL Server Management Studio的資料。

警告

如果您在 SQL Server Data Tools 中使用設計工具，必須先將外部資料源定義為數據源檢視。

如果是使用 DMX 來建立預測聯結，則可使用 OPENQUERY、OPENROWSET 或 SHAPE 命令來指定外部資料來源。 DMX 範本中的預設資料存取方法是 OPENQUERY。 如需這些方法的相關資訊，請參閱< 來源資料查詢 >。

時間序列採礦模型中的預測

時間序列模型與其他模型類型不同；您可以使用此模型的原貌來建立預測，或者可以提供新資料給模型，根據最近的趨勢更新模型和建立預測。 如果您加入新的資料，您可以指定應該使用新資料的方式。

  • 「擴充模型案例」 表示您會將新的資料加入至時間序列模型內的現有資料數列。 從此以後，預測會以新的結合數列為根據。 如果您只想要將幾個資料點加入至現有的模型，此選項是不錯的選擇。

    例如，假設您擁有的現有時間序列模型已經過去年度銷售資料的定型。 在收集數個月的新銷售資料後，您決定更新今年度的銷售預測。 您可以加入新資料並擴充模型來做出新預測，以建立更新模型的預測聯結。

  • 「取代模型案例」 表示您會保留定型的模型，但是會使用新的案例資料組來取代基礎案例。 當您想要將趨勢保留在模型中，但是將它套用到另一組資料時，這個選項會很有用。

    例如，您的原始模型可能已經過一組包含極高銷售數量之資料的定型，而當您使用新的數列取代基礎資料 (也許是來自較少銷售數量的存放區) 時，您會保留趨勢，但是預測會從取代數列中的值開始。

不論使用的方法為何，預測一定是從原始數列的結尾開始。

如需如何在時間序列模型上建立預測聯結的詳細資訊，請參閱 時間序列模型查詢範例 或 PredictTimeSeries (DMX) 。

使用預測查詢的結果

根據建立查詢的方式，用於儲存資料採礦預測查詢結果的選項也不相同。

  • 當您在 SQL Server Management Studio 或 SQL Server Data Tools 中使用預測查詢產生器來建置查詢時，您可以將預測查詢的結果儲存至現有的SQL Server Analysis Services資料來源。 如需詳細資訊，請參閱 檢視及儲存預測查詢的結果。

  • 當您在SQL Server Management Studio的 [查詢] 窗格中使用 DMX 建立預測查詢時，您可以使用查詢輸出選項將結果儲存至檔案，或以文字或方格的形式將結果儲存至 [查詢結果] 窗格。 如需詳細資訊，請參閱查詢與文字編輯器 (SQL Server Management Studio)。

  • 當您使用 Integration Services 元件執行預測查詢時，這些工作可讓您使用可用的 ADO.NET 連接管理員或 OLEDB 連接管理員將結果寫入資料庫中。 如需詳細資訊，請參閱 Data Mining Query Task。

預測查詢的結果與關聯式資料庫查詢的結果不同，後者永遠傳回單一資料列的相關值，了解這一點很重要。 加入至查詢的每個 DMX 預測函數都會傳回本身的資料列集。 因此，當您對單一案例做出預測時，結果可能是一個預測值，以及數個包含其他詳細資料的巢狀資料表資料行。

如果您在單一查詢中結合數個函數，傳回結果會結合為階層式資料列集。 例如，假設您使用時間序列模型，以如下列 DMX 陳述式之類的查詢來預測銷售金額和銷售數量的未來值：

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

此查詢的結果有兩個資料行，每個預測數列各一個資料行，其中每一個資料列都包含有預測值的巢狀資料表：

PredictedAmount

$TIME 金額
201101 172067.11
$TIME 金額
201102 363390.68

PredictedQty

$TIME 數量
201101 77
$TIME 數量
201102 260

如果提供者無法處理階層式資料列集，則您可以在預測查詢中使用 FLATTEN 關鍵字將結果扁平化。 如需詳細資訊，包括扁平化資料列集的範例，請參閱 SELECT (DMX) 。

另請參閱

內容查詢 (資料採礦)
資料定義查詢 (資料採礦)