在時序群集模型上建立預測（元數據採礦教學課程）

在查看器中瀏覽順序叢集模型之後，您可以在數據採礦設計師的 [ 採礦模型預測 ] 索引標籤上使用 [預測查詢產生器] 來建立預測查詢。若要建立預測，請先選取時序群集模型，然後選取輸入數據。針對輸入，您可以使用外部數據源，也可以建置單一查詢，並在對話框中提供值。

本課程假設您已熟悉如何使用預測查詢產生器，並想要瞭解如何建置序列群集模型特定的查詢。如需如何使用預測查詢產生器的一般資訊，請參閱數據採礦查詢介面或基本數據採礦教學課程<建立預測>一節（基本數據採礦教學課程）。

在區域模型上建立預測

在此案例中，您將先建立一些單一預測查詢，以了解預測如何依區域而有所不同。

在時序群集模型上建立單一查詢

按一下資料採礦設計師的 採礦模型預測 標籤。
在 [採礦模型] 欄功能表中，選取 [單一查詢]。

[採礦模型] 窗格和[單一查詢輸入] 窗格隨即出現。
在 [ 採礦模型] 窗格中，按兩下 [ 選取模型]。（如果已選取時序叢集模式，您可以略過此步驟。

[ 選取採礦模型] 對話框隨即開啟。
展開代表具有區域之採礦結構 時序群集的節點，然後選取模型 時序群集與區域。按一下 [確定]。目前，請忽略輸入窗格;在設定預測函式之後，您將指定輸入。
在方格中，按兩下 [來源 ] 底下的空白儲存格，然後選取 [預測函式]。 在 [字段] 底下的儲存格中，選取 [PredictSequence]。

備註

您也可以使用 Predict 函式。如果您這麼做，請務必選擇採用數據表數據行做為argument的 Predict 函式版本。
在 [採礦模型] 窗格中，選取巢狀數據表 v Assoc Seq Line Items，並將其拖曳到 Grid 中，拖曳至 PredictSequence 函式的 Criteria/Argument 方塊。

拖放數據表和數據行名稱可讓您建置複雜的語句，而不會發生語法錯誤。不過，它會取代單元格的目前內容，其中包含 PredictSequence 函式的其他選擇性自變數。若要檢視其他自變數，您可以暫時將函式的第二個實例新增至方格以供參考。
按兩下預測查詢產生器右上角的 [結果 ] 按鈕。

預期的結果包含具有 [表達式] 標題的單一數據行。 Expression 資料行包含具有三個數據行的巢狀數據表，如下所示：

$SEQUENCE	行號	型號
1		Mountain-200

這些結果代表什麼意思？請記住，您未指定任何輸入。因此，會針對整個案例母體進行預測，Analysis Services 會傳回最可能的整體預測。

將輸入新增至單一預測查詢

到目前為止，您尚未指定任何輸入。在下一個工作中，您將使用 [單一查詢輸入 ] 窗格來指定查詢的一些輸入。首先，您將使用 [Region] 作為區域序列群集模型的輸入，以判斷所有區域的預測序列是否相同。接著，您將瞭解如何修改查詢以新增每個預測的機率，並壓平結果，使其更容易檢視。

產生特定客戶群組的預測

按兩下預測查詢產生器左上角的 [ 設計 ] 按鈕，切換回查詢建置方格。
在 [單一查詢輸入] 對話框中，按兩下的 Region[值] 方塊，然後選取 [歐洲]。
按兩下 [結果] 按鈕，即可檢視歐洲客戶的預測。
按兩下預測查詢產生器左上角的 [ 設計 ] 按鈕，切換回查詢建置方格。
在 [單一查詢輸入] 對話框中，按兩下的 Region[值] 方塊，然後選取 [北美洲]。
按兩下 [結果] 按鈕，即可檢視北美客戶的預測。

使用自定義表達式新增機率

若要輸出每個預測的機率會稍微複雜一點，因為機率是預測的屬性，而且會輸出為巢狀數據表。如果您熟悉數據採礦延伸模組（DMX），您可以輕鬆地改變查詢，在巢狀數據表上新增子選取語句。不過，您也可以藉由新增自定義表達式，在預測查詢產生器中建立子選取語句。

使用自定義表達式輸出預測序列的機率

按兩下預測查詢產生器左上角的 [ 設計 ] 按鈕，切換回查詢建置方格。
在方格的 [ 來源] 底下，按下新的數據列，然後選取 [自定義表達式]。
在字段下一欄留空。
針對 [別名]，輸入 t。
在 [ 準則/自變數 ] 方塊中，輸入完整的子選取語句，如下列程式代碼範例所示。請務必包含開頭和結尾括弧。
```
(SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))  
```
按兩下 [結果] 按鈕，即可檢視歐洲客戶的預測。

結果現在包含兩個巢狀數據表，一個具有預測，另一個包含預測的機率。如果查詢無法運作，您可以切換至查詢設計檢視並檢閱完整的查詢語句，如下所示：

SELECT  
  PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]),  
  ( (SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))) as [t]  
FROM  
  [Sequence Clustering with Region]  
NATURAL PREDICTION JOIN  
(SELECT 'Europe' AS [Region]) AS t

處理結果

當結果中有許多巢狀數據表時，您可能會想要扁平化結果，以便更容易檢視。若要這樣做，您可以手動修改查詢並新增 FLATTENED 關鍵詞。

在預測查詢中扁平化巢狀數據列集

按兩下 [預測查詢產生器] 角落的 [ 查詢 ] 按鈕。

方格會變更為開啟的窗格，您可以在其中檢視和修改預測查詢產生器所建立的 DMX 語句。

在 SELECT 關鍵字之後，輸入 FLATTENED。

查詢的完整文字應該如下所示：

SELECT FLATTENED  
  PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]),  
  ( (SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))) as [t]  
FROM  
  [Sequence Clustering with Region]  
NATURAL PREDICTION JOIN  
(SELECT 'Europe' AS [Region]) AS t

按兩下預測查詢產生器右上角的 [ 結果 ] 按鈕。

手動編輯查詢之後，您將無法切換回 [設計] 檢視，而不會遺失變更。不過，您可以將手動建立的 DMX 語句儲存至文字文件，然後變更回 [設計] 檢視。當您這樣做時，查詢會還原為設計檢視中有效的最後一個版本。

先前的範例使用案例數據表數據行 Region 作為單一預測查詢的輸入，因為您有興趣知道模型是否在區域之間找到任何差異。不過，在探索模型之後，您決定差異不夠強大，足以證明依區域自定義產品建議的合理性。您真正想要預測的是客戶所選擇的商品。因此，在後續查詢中，您將使用不包含 Region 的順序叢集模型，為所有客戶產生建議。

使用巢狀數據表數據行作為輸入

首先，您將建立一個單一項預測查詢，以單個項目作為輸入，並返回下一個最可能的項目。若要取得這類的預測，您必須使用巢狀數據表數據行作為輸入值。這是因為您要預測的屬性 Model 是巢狀數據表的一部分。 Analysis Services 提供 [ 巢狀數據表輸入 ] 對話框，協助您使用預測查詢產生器，輕鬆地在巢狀數據表屬性上建立預測查詢。

使用巢狀數據表作為預測的輸入

按兩下預測查詢產生器左上角的 [ 設計 ] 按鈕，切換回查詢建置方格。
在 [單一查詢輸入] 對話框中，按兩下的 Region[值] 方塊，然後選取空白數據列以清除此欄位的輸入。
在 [單一查詢輸入] 對話框中，點選 vAssocSeqLineItems值方塊，然後點選 [...] 按鈕。
在 [ 巢狀數據表輸入 ] 對話框中，按兩下 [ 新增]。
在新的數據列中，按下下方 Model的方塊，然後從清單中選取 [Touring Tire]。按一下 [確定]。
按兩下 [結果] 按鈕以檢視預測。

此模型針對選擇 Touring Tire 作為第一個商品的所有客戶，推薦下列商品。您已經從探索模型中了解到，客戶經常會一起購買 Touring Tire 和 Touring Tire Tube 的產品，所以這些建議看起來不錯。

$SEQUENCE	行號	型號
1		導覽輪胎管
2		Sport-100
3		Long-Sleeve 標誌球衣

使用巢狀數據表輸入建立大量預測查詢

既然您滿意模型會建立可用於建議的預測類型，您將建立對應至外部數據源的預測查詢。該數據源會提供代表目前產品的值。因為您想要建立提供客戶標識碼和產品清單做為輸入的預測查詢，所以您會將客戶數據表新增為案例數據表，並將購買數據表新增為巢狀數據表。然後，您將新增預測函式，就像您先前所做的一樣，以建立建議。

這是您在第 3 課中用來建立市場購物籃情境預測的相同步驟；不過，在序列群集模型的預測中，也需要順序作為輸入。

使用巢狀數據表輸入建立預測查詢

在 採礦模型 窗格中，選取 [序列群集模型]，如果尚未選取。
在 [ 選取輸入數據表] 對話框中，按兩下 [ 選取案例數據表]。
在 [ 選取數據表] 對話框中，針對 [數據源] 選取 [訂單]。在 [ 數據表/檢視名稱] 清單中，選取 [vAssocSeqOrders]，然後按兩下 [ 確定]。
在 [ 選取輸入數據表] 對話框中，按兩下 [ 選取巢狀數據表]。
在 [選取數據表] 對話框中，對於 [數據來源]，選取 [訂單]。在 [ 數據表/檢視名稱] 清單中，選取 vAssocSeqLineItems，然後按兩下 [ 確定]。

Analysis Services 會嘗試偵測關聯性，並在數據類型相符且數據行名稱類似時自動建立關聯性。如果建立的關聯性錯誤，您可以以滑鼠右鍵按兩下聯結線，然後選取 [ 修改連接 ] 以編輯資料行對應，或者您可以以滑鼠右鍵按兩下聯結線，然後選取 [ 刪除 ] 以完全移除關聯性。在此情況下，由於數據表已在數據源檢視中聯結，因此這些關聯性會自動新增至設計窗格。
將新數據列新增至方格。針對 [來源]，選取 vAssocSeqOrders，然後針對 [字段] 選取 [CustomerKey]。
將新數據列新增至方格。針對 [來源]，選取 [ 預測函式]，然後針對 [字段]，選取 [ PredictSequence]。
將 vAssocSeqLineItems 拖曳到 準則/自變數 方塊中。按兩下 [ 準則/自變數 ] 方塊的結尾，然後輸入下列自變數： 2。

[準則/自變數] 方塊中的完整文字應該是：[Sequence Clustering].[v Assoc Seq Line Items],2
按兩下 [結果] 按鈕以檢視每個客戶的預測。

您已完成時序叢集模型的教學課程。

後續步驟

如果您已完成元數據採礦教學課程（Analysis Services - 數據採礦）中的所有區段，下一個步驟可能是瞭解如何使用數據採礦延伸模組（DMX）語句來建置模型併產生預測。如需詳細資訊，請參閱使用 DMX 建立和查詢數據採礦模型：教學課程（Analysis Services - 數據採礦）。

如果您熟悉程式設計概念，您也可以使用 Analysis Management Objects （AMO）以程式設計方式處理數據採礦物件。如需詳細資訊，請參閱 AMO 數據採礦類別。

另請參閱

時序群集模型查詢範例
 時序群集模型的採礦模型內容（Analysis Services - 數據採礦）

Last updated on 2017-03-08

共用方式為

在時序群集模型上建立預測 （元數據採礦教學課程）