共用方式為


SELECT FROM <model> PREDICTION JOIN (DMX)

使用採礦模型預測外部資料來源中的資料行狀態。PREDICTION JOIN 陳述式會將來源查詢中的每個案例與模型比對。

語法

SELECT [FLATTENED] [TOP <n>] <select expression list> 
FROM <model> | <sub select> [NATURAL] PREDICTION JOIN 
<source data query> [ON <join mapping list>] 
[WHERE <condition expression>]
[ORDER BY <expression> [DESC|ASC]]

引數

  • n
    選擇性。指定要傳回多少資料列的整數。

  • select expression list
    從採礦模型衍生之資料行識別碼與運算式的逗號分隔清單。

  • model
    模型識別碼。

  • sub select
    內嵌的 SELECT 陳述式。

  • source data query
    來源查詢。

  • join mapping list
    選擇性。比較模型中的資料行與來源查詢中的資料行的邏輯運算式。

  • condition expression
    選擇性。限制從資料行清單傳回之值的條件。

  • expression
    選擇性。傳回純量值的運算式。

備註

ON 子句會定義來源查詢中的資料行與採礦模型中的資料行之間的對應。這個對應用於將來源查詢中的資料行導向採礦模型中的資料行,使資料行能做為建立預測時的輸入。<join mapping list> 中的資料行使用等號 (=) 產生關聯,如下列範例所示:

[MiningModel].ColumnA = [source data query].Column1 AND 
[MiningModel].ColumnB = [source data query].Column2 AND
...

您若是在 ON 子句中繫結巢狀資料表,請確定是將索引鍵資料行繫結至任何非索引鍵資料行,讓演算法能夠正確地識別巢狀資料行的記錄屬於哪個案例。

預測聯結的來源查詢可以是資料表或單一查詢。

您可以在 <select expression list> 和 <condition expression> 中指定不傳回資料表運算式的預測函數。

NATURAL PREDICTION JOIN 會自動將模型中的資料行名稱,對應到符合的來源查詢資料行名稱。如果您使用 NATURAL PREDICTION,就可以省略 ON 子句。

WHERE 條件僅能套用到可預測的資料行或相關的資料行。

ORDER BY 子句僅能接受單一資料行做為引數,也就是說,您無法排序一個以上的資料行。

範例 1:單一查詢

下列範例顯示如何建立查詢,以預測某個特定的人是否會即時購買自行車。在此查詢中,資料不會儲存在資料表或其他資料來源中,但是會直接輸入到查詢中。查詢中的個人有下列特徵:

  • 35 歲

  • 擁有一棟房子

  • 擁有兩部車

  • 家裡有兩個小孩

查詢使用 TM Decision Tree 採礦模型與對象的已知特性傳回布林值,描述個人是否購買自行車,以及 PredictHistogram (DMX) 函數傳回的一組表格式值,描述如何進行預測。

SELECT
  [TM Decision Tree].[Bike Buyer],
  PredictHistogram([Bike Buyer])
FROM
  [TM Decision Tree]
NATURAL PREDICTION JOIN
(SELECT 35 AS [Age],
  '5-10 Miles' AS [Commute Distance],
  '1' AS [House Owner Flag],
  2 AS [Number Cars Owned],
  2 AS [Total Children]) AS t

範例 2:使用 OPENQUERY

下列範例顯示如何使用儲存在外部資料集中的潛在客戶清單,建立批次預測查詢。資料表是已經在 Analysis Services 執行個體上定義之資料來源檢視的一部分,因此,查詢可以使用 OPENQUERY 擷取資料。資料表中的資料行名稱與採礦模型中的資料行名稱不同,因此必須使用 ON 子句,將資料表中的資料行對應到模型中的資料行。

查詢會傳回資料表中每個人的名字與姓氏,以及表示每個人是否可能購買自行車,其中 0 表示「可能不會購買自行車」,而 1 表示「可能會購買自行車」。最後一個資料行包含預測結果的機率。

SELECT
  t.[LastName],
  t.[FirstName],
  [TM Decision Tree].[Bike Buyer],
  PredictProbability([Bike Buyer])
From
  [TM Decision Tree]
PREDICTION JOIN
  OPENQUERY([Adventure Works DW],
    'SELECT
      [LastName],
      [FirstName],
      [MaritalStatus],
      [Gender],
      [YearlyIncome],
      [TotalChildren],
      [NumberChildrenAtHome],
      [Education],
      [Occupation],
      [HouseOwnerFlag],
      [NumberCarsOwned]
    FROM
      [dbo].[ProspectiveBuyer]
    ') AS t
ON
  [TM Decision Tree].[Marital Status] = t.[MaritalStatus] AND
  [TM Decision Tree].[Gender] = t.[Gender] AND
  [TM Decision Tree].[Yearly Income] = t.[YearlyIncome] AND
  [TM Decision Tree].[Total Children] = t.[TotalChildren] AND
  [TM Decision Tree].[Number Children At Home] = t.[NumberChildrenAtHome] AND
  [TM Decision Tree].[Education] = t.[Education] AND
  [TM Decision Tree].[Occupation] = t.[Occupation] AND
  [TM Decision Tree].[House Owner Flag] = t.[HouseOwnerFlag] AND
  [TM Decision Tree].[Number Cars Owned] = t.[NumberCarsOwned]

若要將資料集限制為僅預測購買自行車的客戶,然後依客戶名稱排序清單,您可以將 WHERE 子句和 ORDER BY 子句加入到先前的範例中:

WHERE [BIKE Buyer]
ORDER BY [LastName] ASC

範例 3:預測關聯

下列範例顯示如何使用從 Microsoft 關聯分析演算法建立之模型建立預測。關聯模型的預測可用於建議相關的產品。例如,下列查詢會傳回最可能和下列三種產品一起購買的三項產品:

  • Mountain Bottle Cage

  • Mountain Tire Tube

  • Mountain-200

Predict (DMX) 函數是多型的,而且可以搭配所有模型類型使用。您可以使用 value3 做為函數的引數,以限制查詢所傳回的項目數目。在 NATURAL PREDICTION JOIN 子句後面的 SELECT 清單會提供當做預測輸入使用的值。

SELECT FLATTENED
  PREDICT([Association].[v Assoc Seq Line Items], 3)
FROM
  [Association]
NATURAL PREDICTION JOIN
(SELECT (SELECT 'Mountain Bottle Cage' AS [Model]
  UNION SELECT 'Mountain Tire Tube' AS [Model]
  UNION SELECT 'Mountain-200' AS [Model]) AS [v Assoc Seq Line Items ]) AS t

範例結果:

Expression.Model

HL Mountain Tire

Water Bottle

Fender Set - Mountain

包含可預測屬性 [v Assoc Seq Line Items] 的資料行是資料表資料行,因此,查詢會傳回包含巢狀資料表的單一資料行。根據預設,巢狀資料表資料行的名稱為 Expression。如果您的提供者不支援階層式資料列集,您可以使用此範例所示的 FLATTENED 關鍵字,讓結果更容易檢視。