• Artykuł

Lekcja 4: Wykonywanie prognoz rynku koszyka

W tej lekcji będzie używać DMX SELECT instrukcja w celu tworzenia prognoz opartych na modelach stowarzyszenia utworzone w Lekcja 2: Dodawanie modeli wyszukiwania do struktury rynku koszyka górnictwo.Kwerenda przewidywanie jest tworzony przy użyciu DMX SELECT instrukcja i dodanie PREDICTION JOIN klauzula.Aby uzyskać więcej informacji o składni łączyć przewidywanie, zobacz Wybierz z <model> PRZEWIDYWANIA sprzężenia (DMX).

SELECT FROM <model> PREDICTION JOIN Formy SELECT Instrukcja zawiera trzy części:

  • Lista model wyszukiwania kolumny i funkcje przewidywanie, które są zwracane zestaw wyników.Lista ta może również zawierać kolumny danych wejściowych z źródło danych.

  • źródło kwerenda definiująca dane, który jest używany do tworzenia przewidywanie.Na przykład, jeśli tworzysz wiele prognoz w partia źródło kwerendy można pobrać listy odbiorców.

  • Mapowanie między kolumnami modelu górnictwa i źródło danych.Nazwy kolumn są zgodne, można użyć NATURAL PREDICTION JOIN składni i pominąć kolumna mapowań.

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

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

Instrukcji JOIN PRZEWIDYWANIA Singleton

Pierwszym krokiem jest utworzenie kwerendy singleton, za pomocą SELECT FROM <model> PREDICTION JOIN składni i dostarczenie pojedynczego zestaw wartości jako danych wejściowych.Poniżej przedstawiono przykładowy pojedynczych instrukcja:

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

Pierwszy wiersz kodu definiuje kolumny z model wyszukiwania , kwerenda zwraca i określa nazwę model wyszukiwania używane do generowania przewidywanie:

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

Następny wiersz kodu wskazuje operację do wykonania.Ponieważ będzie określić wartości dla każdej kolumna, a następnie wpisz nazwy kolumn dokładnie tak, aby pasowała modelu, można użyć NATURAL PREDICTION JOIN składni.Jednakże, gdyby różnych nazw kolumn należy określić mapowanie między kolumnami w modelu i kolumna w nowych danych, dodając ON klauzula.

[NATURAL] PREDICTION JOIN

Następne wiersze kodu zdefiniowanie produktów w koszyku, używany do przewidywania dodatkowych produktów dodawane klienta:

(SELECT '<value>' AS [<column>], 
    (SELECT 'value' AS [<nested column>] UNION
        SELECT 'value' AS [<nested column>] ...) 
    AS [<nested table>])

Zadania lekcji

W tej lekcji będzie wykonywać następujące zadania:

  • Utworzyć kwerendę, która prognozuje jaki klient będzie prawdopodobnie zakupu, elementy, na podstawie istniejących już w ich koszyku towarów.Ta kwerenda zostanie utworzony za pomocą model wyszukiwania z domyślnej MINIMUM_PROBABILITY.

  • Utwórz kwerendę, która przewiduje, co inne elementy, klient będzie prawdopodobnie zakupu na podstawie elementów już istniejących w ich koszyku.Ta kwerenda jest oparta na inny model, w którym MINIMUM_PROBABILITY została zestaw do 0,01.Ponieważ wartość domyślna dla MINIMUM_PROBABILITY skojarzenia modeli wynosi 0,3, kwerendy na tym modelu powinna zwrócić możliwe więcej elementów niż kwerendy na domyślny model.

Tworzenie przewidywania przy użyciu modelu z domyślną MINIMUM_PROBABILITY

Aby utworzyć kwerendę skojarzenia

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

  2. Skopiuj przykład ogólna PREDICTION JOIN w instrukcja kwerendy puste.

  3. Zastąp następujące czynności:

    <select list>

    z:

    PREDICT([Default Association].[Products],INCLUDE_STATISTICS,3)

    Tylko mogą obejmować nazwę kolumna [Produkty], ale przy użyciu Przewidywanie (DMX) funkcja, można ograniczyć liczbę produktów, które są zwracane przez algorytm trzy.Można również użyć INCLUDE_STATISTICS, która zwraca obsługę, prawdopodobieństwa oraz prawdopodobieństwa skorygowana dla każdego produktu.Statystyki te pomagają stawka dokładności przewidywanie.

  4. Zastąp następujące czynności:

    [<mining model>]

    z:

    [Default Association]

  5. Zastąp następujące czynności:

    (SELECT '<value>' AS [<column>], 
    (SELECT 'value' AS [<nested column>] UNION
        SELECT 'value' AS [<nested column>] ...) 
    AS [<nested table>])

    z:

    (SELECT (SELECT 'Mountain Bottle Cage' AS [Model]
  UNION SELECT 'Mountain Tire Tube' AS [Model]
  UNION SELECT 'Mountain-200' AS [Model]) AS [Products]) AS t

    Używa tej instrukcja UNION instrukcja, aby określić trzy produkty, które muszą być uwzględnione w koszyku wraz z przewidywanych produktów.kolumna Model w SELECT instrukcja odpowiada kolumnie modelu znajduje się w tabela zagnieżdżonej produktów.

    Pełne instrukcja powinien być teraz następująco:

    SELECT
  PREDICT([Default Association].[Products],INCLUDE_STATISTICS,3)
From
  [Default Association]
NATURAL PREDICTION JOIN
(SELECT (SELECT 'Mountain Bottle Cage' AS [Model]
  UNION SELECT 'Mountain Tire Tube' AS [Model]
  UNION SELECT 'Mountain-200' AS [Model]) AS [Products]) 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 Prediction.dmx skojarzenia.

  8. Na pasku narzędzi kliknij przycisk Wykonywanie przycisku.

    Kwerenda zwraca tabela, która zawiera trzy produkty: HL górskich opona, Komplet błotników — górskich i opona górskich ML.W tabela wymieniono te produkty zwrócona w kolejności prawdopodobieństwa.Zwrócone produktu, który jest najbardziej prawdopodobne zawarte w tym samym koszyka jak trzy produkty określone w kwerendzie pojawia się u góry tabela.Dwa produkty, które należy wykonać są następnego najprawdopodobniej mają zostać uwzględnione w koszyku.Tabela ta zawiera także statystyki opisujących dokładność przewidywanie.

Tworzenie przy użyciu modelu z MINIMUM_PROBABILITY 0,01 przewidywania

Aby utworzyć kwerendę skojarzenia

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

  2. Skopiuj przykład ogólna PREDICTION JOIN w instrukcja kwerendy puste.

  3. Zastąp następujące czynności:

    <select list>

    z:

    PREDICT([Modified Association].[Products],INCLUDE_STATISTICS,3)

  4. Zastąp następujące czynności:

    [<mining model>]

    z:

    [Modified Association]

  5. Zastąp następujące czynności:

    (SELECT '<value>' AS [<column>], 
    (SELECT 'value' AS [<nested column>] UNION
        SELECT 'value' AS [<nested column>] ...) 
    AS [<nested table>])

    z:

    (SELECT (SELECT 'Mountain Bottle Cage' AS [Model]
  UNION SELECT 'Mountain Tire Tube' AS [Model]
  UNION SELECT 'Mountain-200' AS [Model]) AS [Products]) AS t

    Używa tej instrukcja UNION instrukcja, aby określić trzy produkty, które muszą być uwzględnione w koszyku wraz z przewidywanych produktów.[Model] kolumna w SELECT instrukcja odpowiada kolumnie w tabela zagnieżdżonej produktów.

    Pełne instrukcja powinien być teraz następująco:

    SELECT
  PREDICT([Modified Association].[Products],INCLUDE_STATISTICS,3)
From
  [Modified Association]
NATURAL PREDICTION JOIN
(SELECT (SELECT 'Mountain Bottle Cage' AS [Model]
  UNION SELECT 'Mountain Tire Tube' AS [Model]
  UNION SELECT 'Mountain-200' AS [Model]) AS [Products]) 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 Zmodyfikowane skojarzenia Prediction.dmx.

  8. Na pasku narzędzi kliknij przycisk Wykonywanie przycisku.

    Kwerenda zwraca tabela, która zawiera trzy produkty: Opona roweru górskiego HL, butelka po wodzie i Komplet błotników — górskich.W tabela wymieniono te produkty w kolejności prawdopodobieństwa.Produkt, który pojawia się u góry tabela jest produktem, które najprawdopodobniej mają zostać uwzględnione w tym samym koszyka jak trzy produkty określone w kwerendzie.Pozostałe produkty są następnego najprawdopodobniej mają zostać uwzględnione w koszyku.Tabela ta zawiera także statystyki opisujące dokładności przewidywanie.

    Można wyświetlić z wyniki tej kwerendy, która wartość MINIMUM_PROBABILITY parametr dotyczy wyniki zwróconych przez kwerendę.

To jest ostatni krok samouczek koszyka rynku.Masz teraz zestaw modeli używających przewidywanie produktów, które klienci mogą kupić w tym samym czas.

Aby dowiedzieć się, jak używać DMX w innym scenariuszu przewidywanych, zobacz Samouczek DMX kupujący Bike.