共用方式為

BottomSum （DMX）

  • 發行項

適用於： SQL Server Analysis Services

傳回遞增排名的順序，傳回數據表最底層的數據列，其累計總計至少為指定的值。

語法

  
BottomSum(<table expression>, <rank expression>, <sum>)

套用至

傳回數據表的表示式，例如 <數據表數據行參考>，或傳回數據表的函式。

傳回類型

<數據表表達式>

備註

BottomSum 函式會以遞增的順序傳回最底層的數據列。 排名是以每個數據列之排名表達式自變數的<評估值為基礎，因此排名表達式>>值的總和<至少是sum>自變數所<指定的總計。 BottomSum 會傳回可能最少的項目數，同時仍符合指定的總和值。

範例

下列範例會針對您使用基本數據採礦教學課程所建置的關聯模型建立預測查詢。

若要瞭解BottomSum的運作方式，最好先執行只傳回巢狀數據表的預測查詢。

SELECT Predict ([Association].[v Assoc Seq Line Items], INCLUDE_STATISTICS, 10)  
FROM   
     [Association]  
NATURAL PREDICTION JOIN  
SELECT (SELECT 'Women''s Mountain Shorts' as [Model]) AS [v Assoc Seq Line Items]) AS t

注意

在此範例中，提供做為輸入的值包含單引號，因此必須以另一個單引號開頭加以逸出。 如果您不確定插入逸出字元的語法，您可以使用預測查詢產生器來建立查詢。 當您從下拉式清單中選取值時，會為您插入必要的逸出字元。 如需詳細資訊，請參閱 在數據採礦設計師中建立單一查詢。

範例結果︰

模型 $SUPPORT $PROBABILITY $ADJUSTEDPROBABILITY
運動-100 4334 0.291283016 0.252695851
水瓶 2866 0.192620472 0.175205052
修補程式套件 2113 0.142012232 0.132389356
登山車輪內胎 1992 0.133879965 0.125304948
Mountain-200 1755 0.117951475 0.111260823
Road Tire Tube 1588 0.106727603 0.101229538
自行車帽 1473 0.098998589 0.094256014
芬德集 - 山 1415 0.095100477 0.090718432
Mountain Bottle Cage 1367 0.091874454 0.087780332
Road Bottle Cage 1195 0.080314537 0.077173962

BottomSum 函式會取得此查詢的結果，並傳回具有加總至指定計數之最低值的數據列。

SELECT   
BottomSum  
    (  
    Predict([Association].[v Assoc Seq Line Items],INCLUDE_STATISTICS,10),  
    $PROBABILITY,  
    .1)  
FROM   
     [Association]  
NATURAL PREDICTION JOIN  
(SELECT (SELECT 'Women''s Mountain Shorts' as [Model]) AS [v Assoc Seq Line Items]) AS t

BottomSum 函式的第一個自變數是數據表數據行的名稱。 在此範例中，會呼叫 Predict 函式並使用 INCLUDE_STATISTICS 自變數來傳回巢狀數據表。

BottomSum 函式的第二個自變數是您用來排序結果之巢狀數據表中的數據行。 在此範例中，INCLUDE_STATISTICS選項會傳回數據行$SUPPORT、$PROBABILTY和$ADJUSTED PROBABILITY。 此範例會使用 $PROBABILITY 傳回至少 50% 機率的總和的數據列。

BottomSum 函式的第三個自變數會將目標總和指定為雙精度浮點數。 若要取得總和為 10% 機率之最低計數產品的數據列，請輸入 .1。

範例結果︰

模型 $SUPPORT $PROBABILITY $ADJUSTEDPROBABILITY
Road Bottle Cage 1195 0.08... 0.07...
Mountain Bottle Cage 1367 0.09... 0.08...

注意 此範例僅供說明BottomSum的使用方式。 視數據集的大小而定，此查詢可能需要很長的時間才能執行。

另請參閱

函式 （DMX）
一般預測函數 （DMX）
BottomPercent （DMX）