UTWÓRZ MODEL GÓRNICTWA (DMX)

Składnia

CREATE [SESSION] MINING MODEL <model>
(
    [(<column definition list>)]
)
USING <algorithm> [(<parameter list>)] [WITH DRILLTHROUGH]
CREATE MINING MODEL <model> FROM PMML <xml string>

Argumenty

• model
  Unikatowa nazwa modelu.

• column definition list
  Rozdzielana przecinkami lista kolumna definicje.

• algorithm
  Nazwa algorytmu wyszukiwanie danych, zgodnie z bieżącym dostawca.

  Ostrzeżenie

  Listę algorytmów obsługiwanych przez bieżący dostawca mogą być pobierane za pomocą DMSCHEMA_MINING_SERVICES wierszy.Aby wyświetlić w aktualnie obsługiwane algorytmy wystąpienie z Usługi Analysis Services, zobacz Właściwości wyszukiwania danych.

• parameter list
  Opcjonalne.Rozdzielana przecinkami lista parametrów algorytmu zdefiniowane przez dostawca.

• XML string
  (Tylko dla zaawansowanych użytkowników.) Model zakodowanych w formacie XML (PMML).Ciąg musi być ujęte w pojedynczy cudzysłów (').

The SESSION clause lets you create a mining model that is automatically removed from the server when the connection closes or the session times out.SESSION mining models are useful because they do not require the user to be a database administrator, and they only use disk space for as long as the connection is open.

WITH DRILLTHROUGH Klauzula umożliwia drążenie wskroś na nowy model wyszukiwania.Drążenia można włączyć tylko podczas tworzenia modelu.W przypadku niektórych typów modelu przeglądanie szczegółowe jest wymagane w celu przeglądania modelu w podglądzie niestandardowe.Nie jest wymagane dla przewidywanie lub przeglądania modelu za pomocą Microsoft ogólnej zawartości drzewa podglądu drążenia.

CREATE MINING MODEL Instrukcja tworzy nowy model wyszukiwania jest oparty na liście definicji kolumn, algorytm i listy parametrów algorytmu.

Lista definicji kolumny

<column name>    <data type>    [<Distribution>]    [<Modeling Flags>]    <Content Type>    [<prediction>]    [<column relationship>] 

<column name>    TABLE    [<prediction>] ( <non-table column definition list> )

Listy definicji parametrów

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

Uwagi

Jeśli chcesz utworzyć model, który ma wbudowane testowanie zestaw danych, należy użyć instrukcja, tworzenie struktury górnictwa następuje zmiana struktury górnictwa.Jednak nie wszystkie typy modelu obsługi danych wstrzymanie zestaw.Aby uzyskać więcej informacji, zobacz TWORZENIE STRUKTURY GÓRNICTWA (DMX).

Uzyskać Instruktaż sposób tworzenia model wyszukiwania za pomocą instrukcja CREATEMODEL Czas serii przewidywania DMX samouczek.

Przykład naive Bayes

W poniższym przykładzie użyto Microsoft Naive Bayes algorytm tworzenia nowego model wyszukiwania.kolumna Bike kupującego jest zdefiniowana jako atrybut przewidywalne.

CREATE MINING MODEL [NBSample]
(
    CustomerKey LONG KEY, 
    Gender TEXT DISCRETE,
    [Number Cars Owned] LONG DISCRETE,
    [Bike Buyer] LONG DISCRETE PREDICT
)
USING Microsoft_Naive_Bayes

Przykład modelu skojarzenia

W poniższym przykładzie użyto Microsoft algorytm skojarzenia, tworzenie nowej model wyszukiwania.Instrukcja wykorzystuje możliwość zagnieżdżania tabela wewnątrz definicji modelu przy użyciu kolumna tabela.Model jest modyfikowane za pomocą MINIMUM_PROBABILITY i MINIMUM_SUPPORT Parametry.

CREATE MINING MODEL MyAssociationModel (
    OrderNumber TEXT KEY,
    [Products] TABLE PREDICT (
        [Model] TEXT KEY
    )
)
USING Microsoft_Association_Rules (Minimum_Probability = 0.1, MINIMUM_SUPPORT = 0.01)

Kolejny przykład klastrowanie

W poniższym przykładzie użyto Microsoft sekwencji klastrowanie algorytm tworzenia nowego model wyszukiwania.Dwa klucze są używane do definiowania modelu. OrderNumber Kolumna jest używana jako klucz przypadkui określa poszczególnych zamówień. LineNumber Kolumna jest używana jako klucz tabela zagnieżdżonej i określa kolejność, w której zapasy zostały dodane do zamówienia.

CREATE MINING MODEL BuyingSequence (
    [Order Number] TEXT KEY,
    [Products] TABLE 
     (
        [Line Number] LONG KEY SEQUENCE,
        [Model] TEXT DISCRETE PREDICT
    )
)
USING Microsoft_Sequence_Clustering

Przykład serii czasu

W poniższym przykładzie użyto Microsoft algorytm serii czasów, aby utworzyć nowy model wyszukiwania przy użyciu algorytmu ARTxp.ReportingDatejest kolumna klucz dla czas serii i ModelRegion jest kolumna klucz dla serii danych.W tym przykładzie zakłada się, że okresowość danych jest co 12 miesięcy.Dlatego PERIODICITY_HINT parametr jest zestaw 12.

CREATE MINING MODEL SalesForecast (
        ReportingDate DATE KEY TIME,
        ModelRegion TEXT KEY,
        Amount LONG CONTINUOUS PREDICT,
        Quantity LONG CONTINUOUS PREDICT
)
USING Microsoft_Time_Series (PERIODICITY_HINT = '{12}', FORECAST_METHOD = 'ARTXP')

Zobacz także

Odwołanie