• Artykuł

Lekcja 5: Wykonywanie kwerend przewidywania

W tej lekcji będzie używać Wybierz Z <model> PRZEWIDYWANIA sprzężenia (DMX) formularz instrukcja SELECT, aby utworzyć dwa różne rodzaje prognoz oparty na drzewo decyzyjne utworzonych w modelu Lekcja 2: Dodawanie do struktury górnictwo skojarzenia modeli wyszukiwania.Te typy przewidywanie są określone poniżej.

  • Singleton kwerendy
    Za pomocą kwerendy singleton można podać wartości ad hoc, dokonując prognoz.Na przykład można określić, czy jednego odbiorcy jest prawdopodobnie kupujący rowerów, przekazując dane wejściowe do kwerendy, takie jak odległość commute, kod obszaru lub liczby dzieci nabywcy.Singleton zwraca wartość wskazującą prawdopodobny sposób osoba jest zakup rowerów oparte na tych nakładów.

  • Kwerendy wsadowe
    Aby określić, kto w tabela potencjalnych klientów jest prawdopodobnie zakupu roweru, należy użyć kwerendy partia.Na przykład jeśli działu marketingu dostarcza listę klientów i atrybuty nabywcy, następnie służy przewidywanie partia do ustalenia, który z tabela prawdopodobnie zakupu roweru.

Wybierz Z <model> PRZEWIDYWANIA sprzężenia (DMX) formy instrukcja SELECT zawiera trzy części:

  • Lista kolumn modelu górnictwa i funkcje przewidywanie, które są zwracane w wyniki.Wyniki mogą również zawierać kolumny danych wejściowych z źródło danych.

  • Kwerendy źródło danych, który jest używany do tworzenia przewidywanie Definiowanie.Na przykład w kwerendzie partia to być lista odbiorców.

  • Mapowanie między kolumnami modelu górnictwa i źródło danych.Jeśli te nazwy są zgodne, można użyć składni naturalnych i opuszczenie mapowania kolumna.

Kwerendę można wzmocnić za pomocą funkcje przewidywanie.Funkcje przewidywanie zawierają dodatkowe informacje, takie jak prawdopodobieństwo wystąpienia przewidywanie i zapewniają obsługę przewidywanie w zestawie danych szkolenia.Aby uzyskać więcej informacji o funkcje przewidywanie, zobacz Funkcje (DMX).

Prognoz w tej instrukcji są oparte na tabela ProspectiveBuyer w AdventureWorksDW2008R2 przykładowej bazy danych.Tabela ProspectiveBuyer zawiera listę potencjalnych klientów oraz ich właściwości skojarzone.Klienci w tej tabela są niezależne od klientów, które były używane do tworzenia drzewo decyzyjne model wyszukiwania.

Można również utworzyć prognoz za pomocą Konstruktora kwerend przewidywanie w Business Intelligence Development Studio.Aby uzyskać więcej informacji, zobacz Za pomocą Konstruktora kwerend przewidywania do tworzenia kwerend przewidywania DMX.

Zadania lekcji

W tej lekcji będzie wykonywać następujące zadania:

  • Utwórz kwerendę singleton czy określonego odbiorcy jest prawdopodobnie zakupu roweru.

  • Tworzenie kwerendy partia do określenia, którzy wymienionych w tabela Klienci, prawdopodobnie zakupu roweru.

Singleton kwerendy

Pierwszym krokiem jest użycie Wybierz z <model> PRZEWIDYWANIA sprzężenia (DMX) singleton przewidywanie kwerendy.Poniżej przedstawiono przykładowy pojedynczych instrukcja:

SELECT <select list> FROM [<mining model name>] 
NATURAL PREDICTION JOIN
(SELECT '<value>' AS [<column>], ...)
AS [<input alias>]

Pierwszy wiersz kodu definiuje kolumny z model wyszukiwania , kwerenda powinna zwrócić i określa model wyszukiwania używana do generowania przewidywanie:

SELECT <select list> FROM [<mining model name>]

Następne wiersze kodu zdefiniowanie nabywcy, który służy do tworzenia przewidywanie:

NATURAL PREDICTION JOIN
(SELECT '<value>' AS [<column>], ...)
AS [<input alias>]
ORDER BY <expression>

Jeśli określisz naturalnych PRZYŁĄCZYĆ PRZEWIDYWANIA, serwer odpowiada każdej kolumna z modelu kolumna z nazwy wejściowe, na podstawie kolumn.Nazwy kolumn nie pasują do siebie, kolumna są ignorowane.

Aby utworzyć kwerendę przewidywanie singleton

  1. W Object Explorer, kliknij prawym przyciskiem myszy wystąpienie Usługi Analysis Services, wskaż Nową kwerendę, a następnie kliknij przycisk DMX.

    Edytor kwerend otwiera i zawiera kwerendę nowy, pusty.

  2. Skopiuj przykładowy instrukcja singleton do kwerendy puste.

  3. Zastąp następujące czynności:

    <select list>

    z:

    [Bike Buyer] AS Buyer, PredictHistogram([Bike Buyer]) AS Statistics

    W instrukcja jest używany do alias kolumn zwracanych przez kwerendę.PredictHistogram funkcja zwraca statystykę przewidywanie, w tym prawdopodobieństwo i pomocy technicznej.Aby uzyskać więcej informacji o funkcjach, które mogą być używane w instrukcja przewidywanie, zobacz Funkcje (DMX).

  4. Zastąp następujące czynności:

    [<mining model>]

    z:

    [Decision Tree]

  5. Zastąp następujące czynności:

    (SELECT '<value>' AS [<column name>], ...)  AS t

    z:

    (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

    Pełne instrukcja powinien być teraz następująco:

    SELECT
   [Bike Buyer] AS Buyer,
   PredictHistogram([Bike Buyer]) AS Statistics
FROM
   [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

  6. Na pliku menu, kliknij Zapisz DMXQuery1.dmx jako.

  7. W Zapisz jako okno dialogowe Przejdź do odpowiedniego folderu i pliku o nazwie Singleton_Query.dmx.

  8. Na pasku narzędzi kliknij przycisk Wykonywanie przycisku.

    Kwerenda zwraca przewidywanie dotyczące czy klient z określonymi cechami nabyć rowerów, jak również statystyki dotyczące przewidywanie, że.

Kwerendy wsadowe

Następnym krokiem jest użycie Wybierz z <model> PRZEWIDYWANIA sprzężenia (DMX) w kwerendzie przewidywanie partia.Poniżej przedstawiono przykładowy instrukcja partia:

SELECT TOP <number> <select list> 
FROM [<mining model name>]
PREDICTION JOIN
OPENQUERY([<datasource>],'<SELECT statement>')
  AS [<input alias>]
ON <on clause, mapping,>
WHERE <where clause, boolean expression,>
ORDER BY <expression>

Jak w kwerendzie singleton pierwsze dwa wiersze kodu zdefiniować kolumny z model wyszukiwania , jak również nazwę kwerenda zwraca model wyszukiwania , jest używany do generowania przewidywanie.GÓRY <numer> instrukcja określa, że kwerenda będzie zwracać tylko liczby lub wyniki określone przez <numer>.

Następne wiersze kodu zdefiniować źródło danych, na podstawie prognoz:

OPENQUERY([<datasource>],'<SELECT statement>')
  AS [<input alias>]

Istnieje kilka opcji dla metoda pobierania źródło danych, ale w tym samouczku użyje OTWÓRZKWERENDĘ.Aby uzyskać więcej informacji o dostępnych opcjach, zobacz <źródło danych kwerendy>.

Następny wiersz definiuje mapowanie między kolumnami źródło model wyszukiwania i kolumny w danych źródłowych:

ON <column mappings>

Klauzula WHERE filtry wyniki zwróconych przez kwerendę przewidywanie:

WHERE <where clause, boolean expression,>

Ostatni i opcjonalne wiersz kodu określa kolumna, której wyniki będą uporządkowane według:

ORDER BY <expression> [DESC|ASC]

Za pomocą zamówienia w połączeniu z góry <numer> instrukcja do filtrowania wyniki zwracanych.Na przykład w tym przewidywanie będzie zwracać górny kupujących dziesięciu bike uporządkowane według prawdopodobieństwa przewidywanie poprawnego.Można użyć [opis|/dSkładnia ASC] kontrolować kolejność wyświetlania wyniki.

Aby utworzyć kwerendę przewidywanie partia

  1. W Object Explorer, kliknij prawym przyciskiem myszy wystąpienie Usługi Analysis Services, wskaż Nową kwerendę, a następnie kliknij przycisk DMX.

    Edytor kwerend otwiera i zawiera kwerendę nowy, pusty.

  2. Skopiuj przykładowy instrukcja partia do kwerendy puste.

  3. Zastąp następujące czynności:

    <select list>

    z:

    SELECT
  TOP 10
  t.[LastName],
  t.[FirstName],
  [Decision Tree].[Bike Buyer],
  PredictProbability([Bike Buyer])

    10 PIERWSZYCH Określa, że górny dziesięciu wyniki będą zwracanych przez kwerendę.Instrukcja ORDER BY w tej kwerendzie zamówień wyniki według prawdopodobieństwa przewidywanie są poprawne, zwrócone zostaną tylko dziesięć najprawdopodobniej wyników.

  4. Zastąp następujące czynności:

    [<mining model>]

    z:

    [Decision Tree]

  5. Zastąp następujące czynności:

    OPENQUERY([<datasource>],'<SELECT statement>')

    z:

      OPENQUERY([Adventure Works DW2008R2],
    'SELECT
      [LastName],
      [FirstName],
      [MaritalStatus],
      [Gender],
      [YearlyIncome],
      [TotalChildren],
      [NumberChildrenAtHome],
      [Education],
      [Occupation],
      [HouseOwnerFlag],
      [NumberCarsOwned]
    FROM
      [dbo].[ProspectiveBuyer]
    ') AS t

  6. Zastąp następujące czynności:

    <ON clause, mapping,> 
WHERE <where clause, boolean expression,>
ORDER BY <expression>

    z:

    [Decision Tree].[Marital Status] = t.[MaritalStatus] AND
  [Decision Tree].[Gender] = t.[Gender] AND
  [Decision Tree].[Yearly Income] = t.[YearlyIncome] AND
  [Decision Tree].[Total Children] = t.[TotalChildren] AND
  [Decision Tree].[Number Children At Home] = t.[NumberChildrenAtHome] AND
  [Decision Tree].[Education] = t.[Education] AND
  [Decision Tree].[Occupation] = t.[Occupation] AND
  [Decision Tree].[House Owner Flag] = t.[HouseOwnerFlag] AND
  [Decision Tree].[Number Cars Owned] = t.[NumberCarsOwned]
WHERE [Decision Tree].[Bike Buyer] =1
ORDER BY PredictProbability([Bike Buyer]) DESC

    Określ DESC do pierwsza lista wyniki z prawdopodobieństwem najwyższy.

    Pełne instrukcja powinien być teraz następująco:

    SELECT
  TOP 10
  t.[LastName],
  t.[FirstName],
  [Decision Tree].[Bike Buyer],
  PredictProbability([Bike Buyer])
FROM
  [Decision Tree]
PREDICTION JOIN
  OPENQUERY([Adventure Works DW2008R2],
    'SELECT
      [LastName],
      [FirstName],
      [MaritalStatus],
      [Gender],
      [YearlyIncome],
      [TotalChildren],
      [NumberChildrenAtHome],
      [Education],
      [Occupation],
      [HouseOwnerFlag],
      [NumberCarsOwned]
    FROM
      [dbo].[ProspectiveBuyer]
    ') AS t
ON
  [Decision Tree].[Marital Status] = t.[MaritalStatus] AND
  [Decision Tree].[Gender] = t.[Gender] AND
  [Decision Tree].[Yearly Income] = t.[YearlyIncome] AND
  [Decision Tree].[Total Children] = t.[TotalChildren] AND
  [Decision Tree].[Number Children At Home] = t.[NumberChildrenAtHome] AND
  [Decision Tree].[Education] = t.[Education] AND
  [Decision Tree].[Occupation] = t.[Occupation] AND
  [Decision Tree].[House Owner Flag] = t.[HouseOwnerFlag] AND
  [Decision Tree].[Number Cars Owned] = t.[NumberCarsOwned]
WHERE [Decision Tree].[Bike Buyer] =1
ORDER BY PredictProbability([Bike Buyer]) DESC

  7. Na pliku menu, kliknij Zapisz DMXQuery1.dmx jako.

  8. W Zapisz jako okno dialogowe Przejdź do odpowiedniego folderu i pliku o nazwie Batch_Prediction.dmx.

  9. Na pasku narzędzi kliknij przycisk Wykonywanie przycisku.

    Kwerenda zwraca tabela zawierającą nazwy klientów prognozą czy każdy klient kupuje roweru i prawdopodobieństwo przewidywanie.

To jest ostatni krok samouczek Bike kupującego.Masz teraz zestaw modeli górnictwa, używających poznanie podobieństwa między użytkownikiem klientów i przewidywania czy potencjalnym klientom nabyć roweru.

Aby dowiedzieć się, jak używać DMX w scenariuszu koszyka rynku, zobacz Samouczek DMX rynku koszyka.