ALTER MINING STRUCTURE (DMX)

Se aplica a: SQL Server Analysis Services

Crea un nuevo modelo de minería de datos basado en una estructura de minería de datos existente. Cuando se usa la instrucción ALTER MINING STRUCTURE para crear un nuevo modelo de minería de datos, la estructura ya debe existir. En cambio, cuando se usa la instrucción CREATE MINING MODEL (DMX), se crea un modelo y se genera automáticamente su estructura de minería de datos subyacente al mismo tiempo.

Sintaxis

  
ALTER MINING STRUCTURE <structure>  
ADD MINING MODEL <model>  
(  
    <column definition list>  
  [(<nested column definition list>) [WITH FILTER (<nested filter criteria>)]]  
)  
USING <algorithm> [(<parameter list>)]   
[WITH DRILLTHROUGH]  
[,FILTER(<filter criteria>)]  

Argumentos

Estructura
Nombre de la estructura de minería de datos a la que se agregará el modelo de minería de datos.

model
Nombre único del modelo de minería de datos.

lista de definiciones de columna
Lista delimitada por comas de definiciones de columna.

lista de definiciones de columna anidada
Lista delimitada por comas de columnas de una tabla anidada, si procede.

criterios de filtro anidados
Expresión de filtro que se aplica a las columnas de una tabla anidada.

Algoritmo
Nombre de un algoritmo de minería de datos definido por el proveedor.

Nota:

Se puede recuperar una lista de los algoritmos admitidos por el proveedor actual mediante DMSCHEMA_MINING_SERVICES conjunto de filas. Para ver los algoritmos admitidos en la instancia actual de Analysis Services, consulte Propiedades de minería de datos.

lista de parámetros
Opcional. Lista delimitada por comas de parámetros definidos por el proveedor para el algoritmo.

criterios de filtro
Expresión de filtro que se aplica a las columnas de la tabla de casos.

Comentarios

Si la estructura de minería de datos contiene claves compuestas, el modelo de minería debe incluir todas las columnas de clave que están definidas en la estructura.

Si el modelo no requiere una columna de predicción, por ejemplo, modelos creados mediante los algoritmos de agrupación en clústeres de Microsoft y clústeres de secuencia de Microsoft, no es necesario incluir una definición de columna en la instrucción . Todos los atributos del modelo resultante se tratarán como entradas.

En la cláusula WITH que se aplica a la tabla case, puede especificar opciones para el filtrado y la obtención de detalles:

  • Agregue la palabra clave FILTER y una condición de filtro. El filtro se aplica a los casos del modelo de minería de datos.

  • Agregue la palabra clave DRILLTHROUGH para permitir que los usuarios del modelo de minería de datos exploren en profundidad los resultados del modelo a los datos del caso. En Extensiones de minería de datos (DMX), la obtención de detalles solo se puede habilitar al crear el modelo.

Para usar el filtrado de mayúsculas y minúsculas y la obtención de detalles, combine las palabras clave en una sola cláusula WITH mediante la sintaxis que se muestra en el ejemplo siguiente:

WITH DRILLTHROUGH, FILTER(Gender = 'Male')

Lista de definiciones de columna

Para definir la estructura de un modelo, especifique una lista de definiciones de columna que incluya la información siguiente para cada columna:

  • Nombre (obligatorio)

  • Alias (opcional)

  • Marcas de modelado

  • Solicitud de predicción, que indica al algoritmo si la columna contiene un valor predecible, indicado por la cláusula PREDICT o PREDICT_ONLY

Use la siguiente sintaxis en la lista de definiciones de columna para definir una sola columna:

<structure column name>  [AS <model column name>]  [<modeling flags>]    [<prediction>]  

Nombre y alias de la columna

El nombre de columna que se utiliza en la lista de definiciones de columna debe ser el nombre de la columna tal como se utiliza en la estructura de minería de datos. Sin embargo, también se puede definir un alias para representar la columna de estructura en el modelo de minería de datos. Asimismo, se pueden crear varias definiciones de columna para la misma columna de estructura y asignar a cada copia de la columna un alias y uso de predicción diferentes. De forma predeterminada, se utiliza el nombre de la columna de estructura si no se define un alias. Para obtener más información, vea Crear un alias para una columna de modelo.

Para las columnas de tabla anidadas, especifique el nombre de la tabla anidada, especifique el tipo de datos como TABLE y, a continuación, proporcione la lista de columnas anidadas que se van a incluir en el modelo, entre paréntesis.

Para definir una expresión de filtro que se aplique a la tabla anidada, adjunte una expresión de criterios de filtro después de la definición de columna de la tabla anidada.

Marcas de modelado

Analysis Services admite las siguientes marcas de modelado para su uso en las columnas del modelo de minería de datos:

Nota:

La marca de modelado NOT_NULL se aplica a la columna de estructura de minería de datos. Para obtener más información, vea CREATE MINING STRUCTURE (DMX).

Término Definición
REGRESSOR Indica que el algoritmo puede usar la columna especificada en la fórmula de regresión de algoritmos de regresión.
MODEL_EXISTENCE_ONLY Indica que los valores de la columna de atributos no son tan importantes como la presencia del atributo.

Puede definir varias marcas de modelado para una columna. Para obtener más información sobre cómo usar marcas de modelado, vea Modeling Flags (DMX) (Marcas de modelado [DMX]).

Cláusula de predicción

La cláusula de predicción describe cómo se usa la columna de predicción. En la tabla siguiente se enumeran las cláusulas posibles.

Cláusula Descripción
PREDICT Esta columna puede predecirla el modelo y sus valores se pueden usar como entrada para predecir el valor de otras columnas de predicción.
PREDICT_ONLY Esta columna puede predecirla el modelo, pero sus valores no se pueden utilizar en escenarios de entrada para predecir el valor de otras columnas de predicción.

Expresiones de criterios de filtro

Puede definir un filtro que restrinja los casos que se utilizan en el modelo de minería de datos. El filtro se puede aplicar a las columnas de la tabla de casos, a las filas de la tabla anidada, o a ambas.

Las expresiones de criterios de filtro son predicados DMX simplificados, similares a una cláusula WHERE. Las expresiones de filtro se reducen a fórmulas que utilizan operadores matemáticos básicos, escalares y nombres de columna. La excepción la constituye el operador EXISTS; se evalúa como TRUE si la subconsulta devuelve al menos una fila. Los predicados se pueden combinar mediante los operadores lógicos comunes: AND, OR y NOT.

Para obtener más información sobre los filtros usados con modelos de minería de datos, vea Filtros para modelos de minería de datos (Analysis Services - Minería de datos).

Nota:

Las columnas de un filtro deben ser columnas de estructura de minería de datos. No se puede crear un filtro para una columna del modelo ni para una columna con alias.

Para obtener más información sobre los operadores y la sintaxis DMX, vea Columnas del modelo de minería de datos.

Lista de definiciones de parámetros

Para ajustar el rendimiento y la funcionalidad de un modelo, se pueden agregar parámetros del algoritmo a la lista de parámetros. Los parámetros que se pueden utilizar dependen del algoritmo que se especifique en la cláusula USING. Para obtener una lista de parámetros asociados a cada algoritmo, consulte Algoritmos de minería de datos (Analysis Services - Minería de datos).

La sintaxis de la lista de parámetros es:

[<parameter> = <value>, <parameter> = <value>,...]  

Ejemplo 1: agregar un modelo a una estructura

En el ejemplo siguiente se agrega un modelo de minería de datos Bayes Naive a la estructura de minería de datos New Mailing y se limita el número máximo de estados de atributo a 50.

ALTER MINING STRUCTURE [New Mailing]  
ADD MINING MODEL [Naive Bayes]  
(  
    CustomerKey,   
    Gender,  
    [Number Cars Owned],  
    [Bike Buyer] PREDICT  
)  
USING Microsoft_Naive_Bayes (MAXIMUM_STATES = 50)  

Ejemplo 2: agregar un modelo filtrado a una estructura

En el ejemplo siguiente se agrega un modelo de minería de datos, Naive Bayes Women, a la estructura de minería de datos New Mailing . El nuevo modelo tiene la misma estructura básica que el modelo de minería de datos que se agregó en el ejemplo 1; sin embargo, este modelo restringe los casos de la estructura de minería de datos a las clientas con una edad superior a 50 años.

ALTER MINING STRUCTURE [New Mailing]  
ADD MINING MODEL [Naive Bayes Women]  
(  
    CustomerKey,   
    Gender,  
    [Number Cars Owned],  
    [Bike Buyer] PREDICT  
)  
USING Microsoft_Naive_Bayes  
WITH FILTER([Gender] = 'F' AND [Age] >50)  

Ejemplo 3: agregar un modelo filtrado a una estructura con una tabla anidada

En el ejemplo siguiente se agrega un modelo de minería de datos a una versión modificada de la estructura de minería de datos Market Basket. La estructura de minería de datos utilizada en el ejemplo se ha modificado para agregar una columna Región , que contiene atributos para la región del cliente y una columna Grupo de ingresos , que clasifica los ingresos de los clientes mediante los valores High, Moderate o Low.

La estructura de minería de datos también incluye una tabla anidada que contiene los artículos comprados por el cliente.

Dado que la estructura de minería de datos contiene una tabla anidada, es posible definir un filtro para la tabla de casos, la tabla anidada, o ambas. En este ejemplo se combinan un filtro de casos y uno de filas anidadas para restringir los casos a los clientes Europaos adinerados que compraron uno de los modelos con neumáticos de carretera.

ALTER MINING STRUCTURE [Market Basket with Region and Income]  
ADD MINING MODEL [Decision Trees]  
(  
    CustomerKey,   
    Region,  
    [Income Group],  
    [Product] PREDICT (Model)   
WITH FILTER (EXISTS (SELECT * FROM [v Assoc Seq Line Items] WHERE   
 [Model] = 'HL Road Tire' OR  
 [Model] = 'LL Road Tire' OR  
 [Model] = 'ML Road Tire' )  
)  
) WITH FILTER ([Income Group] = 'High' AND [Region] = 'Europe')  
USING Microsoft_Decision Trees  

Consulte también

Instrucciones de definición de datos de Extensiones de minería de datos (DMX)
Instrucciones de manipulación de datos de Extensiones de minería de datos (DMX)
Referencia de instrucciones de Extensiones de minería de datos (DMX)