INSERT INTO(DMX)

지정한 데이터 마이닝 개체를 처리합니다. 마이닝 모델 및 마이닝 구조를 처리하는 방법은 처리 요구 사항 및 고려 사항(데이터 마이닝)를 참조하십시오.

마이닝 구조가 지정된 경우 이 문은 마이닝 구조 및 연결된 모든 마이닝 모델을 처리합니다. 마이닝 모델이 지정된 경우 이 문은 마이닝 모델만 처리합니다.

구문

INSERT INTO [MINING MODEL]|[MINING STRUCTURE] <model>|<structure> (<mapped model columns>) <source data query>
INSERT INTO [MINING MODEL]|[MINING STRUCTURE] <model>|<structure>.COLUMN_VALUES (<mapped model columns>) <source data query>

인수

• model
  모델 식별자입니다.

• structure
  구조 식별자입니다.

• mapped model columns
  열 식별자 및 중첩 식별자의 쉼표로 구분된 목록입니다.

• source data query
  공급자가 정의한 형식의 원본 쿼리입니다.

주의

MINING MODEL 또는 MINING STRUCTURE를 지정하지 않는 경우 Analysis Services에서는 이름을 기준으로 개체 유형을 검색하고 올바른 개체를 처리합니다. 서버에 이름이 서로 동일한 마이닝 구조 및 마이닝 모델이 있는 경우에는 오류가 반환됩니다.

두 번째 구문 형식 INSERT INTO <object>.COLUMN_VALUES를 사용하면 모델을 학습하지 않고 모델 열에 직접 데이터를 삽입할 수 있습니다. 이렇게 하면 간결하게 정렬된 방식으로 모델에 열 데이터가 제공되므로 계층 구조나 정렬된 열이 포함된 데이터 집합으로 작업할 때 유용합니다.

마이닝 모델 또는 마이닝 구조에 INSERT INTO를 사용하고 <mapped model columns> 및 <source data query> 인수를 생략하는 경우에는 문이 기존의 바인딩을 사용하여 ProcessDefault처럼 실행됩니다. 바인딩이 없는 경우에는 오류가 반환됩니다. ProcessDefault에 대한 자세한 내용은 처리 옵션 및 설정(Analysis Services)을 참조하십시오. 다음 예에서는 구문을 보여 줍니다.

INSERT INTO [MINING MODEL] <model>

MINING MODEL을 지정하고 매핑된 열 및 원본 데이터 쿼리를 제공하면 모델 및 연결된 구조가 처리됩니다.

다음 표에서는 개체의 상태에 따라 여러 가지 형식의 문을 실행한 결과를 설명합니다.

매핑된 모델 열

<mapped model columns> 요소를 사용하여 데이터 원본의 열을 마이닝 모델의 열에 매핑할 수 있습니다. <mapped model columns> 요소의 형식은 다음과 같습니다.

<column identifier> | SKIP | <table identifier> (<column identifier> | SKIP), ...

원본 쿼리에 있어야 하지만 마이닝 모델에는 없는 특정 열은 SKIP을 사용하여 제외할 수 있습니다. SKIP은 입력 행 집합에 포함된 열을 제어하지 못하는 경우 유용합니다. 고유의 OPENQUERY를 작성 중인 경우에는 SKIP을 사용하는 대신 SELECT 열 목록에서 열을 생략하는 것이 좋습니다.

또한 SKIP은 입력 행 집합의 열이 조인을 수행하는 데 필요하지만 열이 마이닝 구조에서 사용되지 않는 경우 유용합니다. 이에 대한 일반적인 예는 마이닝 구조 및 중첩 테이블이 포함된 마이닝 모델입니다. 이 구조의 입력 행 집합에는 SHAPE 절을 사용하여 계층적 행 집합을 만드는 데 사용하는 외래 키 열이 있지만 해당 외래 키 열은 모델에서 거의 사용되지 않습니다.

SKIP에 대한 구문을 사용하려면 입력 행 집합에서 해당하는 마이닝 구조 열이 없는 개별 열의 위치에 SKIP을 삽입해야 합니다. 예를 들어 아래 중첩 테이블 예에서는 OrderNumber가 RELATE 절에서 조인을 지정하는 데 사용될 수 있도록 APPEND 절에서 OrderNumber를 선택해야 합니다. 그러나 마이닝 구조의 중첩 테이블에 OrderNumber 데이터를 삽입하기를 원치 않습니다. 따라서 이 예에서는 INSERT INTO 인수에 OrderNumber를 사용하는 대신 SKIP 키워드를 사용합니다.

원본 데이터 쿼리

<source data query> 요소에는 다음과 같은 데이터 원본 유형이 포함될 수 있습니다.

• OPENQUERY

• OPENROWSET

• SHAPE

• 행 집합을 반환하는 Analysis Services 쿼리

데이터 원본 유형에 대한 자세한 내용은 <source data query>를 참조하십시오.

기본 예

다음 예에서는 OPENQUERY를 사용하여 AdventureWorksDW2012 데이터베이스의 타겟 메일링 데이터를 기반으로 Naive Bayes 모델을 학습합니다.

INSERT INTO NBSample (CustomerKey, Gender, [Number Cars Owned],
    [Bike Buyer])
OPENQUERY([AdventureWorksDW2012],'Select CustomerKey, Gender, [NumberCarsOwned], [BikeBuyer] 
FROM [vTargetMail]')

중첩 테이블의 예

다음 예에서는 SHAPE를 사용하여 중첩 테이블이 포함된 연결 마이닝 모델을 학습합니다. 첫 번째 줄에는 SHAPE_APPEND 문에 필요하지만 마이닝 모델에는 사용되지 않는 OrderNumber 대신 SKIP이 포함되어 있습니다.

INSERT INTO MyAssociationModel
    ([OrderNumber],[Models] (SKIP, [Model])
    )
SHAPE {
    OPENQUERY([AdventureWorksDW2012],'SELECT OrderNumber
    FROM vAssocSeqOrders ORDER BY OrderNumber')
} APPEND (
    {OPENQUERY([AdventureWorksDW2012],'SELECT OrderNumber, model FROM 
    dbo.vAssocSeqLineItems ORDER BY OrderNumber, Model')}
  RELATE OrderNumber to OrderNumber) 
AS [Models]

참고 항목

참조

DMX(Data Mining Extensions) 데이터 정의 문

DMX(Data Mining Extensions) 데이터 조작 문

DMX(Data Mining Extensions) 문 참조