Modeli kümeleme bir sıra sorgulama (- Analysis Services veri madenciliği)

Veri madenciliği sorgulamak şema satır kümesi, çeşitli temel meta veriler de dahil olmak üzere bu modeli hakkında bilgi bulabilirsiniz, tarih ve model oluşturulduğu saat ve son işlenen, modelin temel araştırma yapısı adıve öngörülebilir bir öznitelik olarak kullanılan sütun.

Aşağıdaki sorgu oluşturmak ve model eğitmek için kullanılan parametreler verir [Sequence Clustering].Ders 5'te bu modeli oluşturmak Temel veri madenciliği öğreticisi.

SELECT MINING_PARAMETERS 
from $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'Sequence Clustering'

Örnek sonuçlar:

Bu model cluster_count için varsayılan değer 10 kullanarak oluşturulan unutmayın.cluster_count için bir sıfır olmayan sayı kümeleri belirttiğinizde, algoritma bu sayı kümeleri bulmak için yaklaşık sayısı için bir ipucu olarak davranır.Ancak, analiz sürecine algoritma daha fazla veya daha az kümeleri bulabilirsiniz.15 En iyi kümeleri algoritması bu durumda bulunan uyma eğitim veri.Bu nedenle, model oluştururken, geçirilen değer algoritması tarafından saptanan kümelerinin sayısı tamamlanmış modeli için parametre değerleri listesini bildirir.

Bu davranış kümeleri en iyi sayısını belirlemek için algoritması izin vererek karşı nasıl ayırt edilir?Bir deney bu aynı verileri kullanan başka bir kümeleme modeli oluşturabilirsiniz, ancak kümeleme cluster_count 0.Bunu yaptığınızda, algoritma 32 kümeleri algılar.Bu nedenle, cluster_count için varsayılan değer 10 olarak kullanarak, elde edilen sonuçlar sayısını sınırlamak.

Küme sayısını azaltarak göz atmak ve veri gruplandırmaları anlamak çoğu kişi çünkü kolaylaştırır 10 değerinin varsayılan olarak kullanılır.Ancak, her model ve veri küme farklıdır.Kümeleri en doğru model hangi parametre değeri sağlar görmek için farklı sayıda denemek isteyebilirsiniz.

Başa dön

Tüm ilgili ikinci durumlar listesini ilk durumu olarak eğitim veri bulunan sıralar konusundaki araştırma modeli içerik depoları.İlk durumuna sıra için etiket olarak kullanılır ve ilgili ikinci durumları geçişleri denir.

Örneğin, aşağıdaki sorgu sıralar kümeler halinde gruplandırılmadan önce modelinde, ilk durum tam listesini döndürür.Sequences listesi döndürerek, bu listeyi alabilirsiniz (node_type = 13) olarak üst modeli kök düğümü vardır (PARENT_UNIQUE_NAME = 0).flattened anahtar sözcük sonuçlar okunması kolay hale getirir.

SELECT FLATTENED NODE_UNIQUE_NAME,
(SELECT ATTRIBUTE_VALUE AS [Product 1],
[Support] AS [Sequence Support], 
[Probability] AS [Sequence Probability]
FROM NODE_DISTRIBUTION) AS t
FROM [Sequence Clustering].CONTENT
WHERE NODE_TYPE = 13
AND [PARENT_UNIQUE_NAME] = 0

Kısmi sonuçlar:

Model sıralarında listesi her zaman alfabetik olarak artan düzende sıralanır.Sıra sipariş sayısı bakarak ilgili geçişler bulabilirsiniz kısımlarının sırası önemlidir.The Missing value is always transition 0.

Örneğin, önceki sonuçlar, "Kadınlar'ın dağ kısayoluyla" Ürün sıra 37 modeli sayısıdır."Sonra Kadınlar'ın dağ kısayoluyla." şimdiye kadar satın alınan ürünlerin tümünü görmek için bu bilgiyi kullanabilirsiniz

Bunu yapmak için öncelikle, modeli için tüm serilerini içeren düğüm kimliği almak için önceki sorguyu NODE_UNIQUE_NAME için döndürülen değeri başvuru.Üst düğüm modeli için al sıraları listesini içerecek şekilde olmuyor bu düğüm dahil geçişleri kimliği olarak sorguya bu değeri geçirir.Ancak, geçişler belirli bir küme için listesini görmek isterseniz, size düğüm kimliği içinde geçmesi ve yalnızca bu kümeyle ilişkili serileri bakın.

SELECT NODE_UNIQUE_NAME
FROM [Sequence Clustering].CONTENT
WHERE NODE_DESCRIPTION = 'Transition row for sequence state 37'
AND [PARENT_UNIQUE_NAME] = '1081327'

Örnek sonuçlar:

Bu kimliği tarafından temsil edilen düğüm "Kadınlar'ın dağ kısayoluyla" izleyin sıraları listesini içerir. Ürün Destek ve olasılık değerleri ile birlikte.

SELECT FLATTENED
(SELECT ATTRIBUTE_VALUE AS Product2,
[Support] AS [P2 Support],
[Probability] AS [P2 Probability]
FROM NODE_DISTRIBUTION) AS t
FROM [Sequence Clustering].CONTENT
WHERE NODE_UNIQUE_NAME = '1081365'

Örnek sonuçlar:

Destek için Kadınlar 's Sıradağlar kısayoluyla ilişkili çeşitli serileri için 506 modelinde olduğuna dikkat edin.Geçişler için destek değerleri de en çok 506 ekleyin.Ancak, sayıları her geçiş içeren servis taleplerinin sayısı sadece göstermek için destek düşünüyorsanız biraz tuhaf görünüyor tam sayılar değildir.Ancak, kümeleri oluşturma yöntem kısmi üyelik hesapladığı için bir küme içindeki herhangi bir geçiş olasılığını tarafından belirli bir kümeye ait olan kendi ihtimali ağırlıklı gerekir.

Örneğin, dört kümeler varsa, belirli bir sırada küme 1, 2 kümeye ait, % 30 şans, 3 numaralı kümeye ait, % 20 şans ve 4 numaralı kümeye ait, % 10 şans ait, % 40 şans olabilir.Geçişi çoğunlukla ait büyük olasılıkla küme algoritması belirler sonra küme içindeki bir olasılıklar kümesi önceki olasılığa göre Ağırlık verir.

Başa Dön

Model içinde saklanan bilgileri karmaşıktır ve gereksinim duyduğunuz bilgileri elde etmek için birden fazla sorguları oluşturmak gereksinim duyabileceğiniz bu sorgu örnekleri görebilirsiniz.Ancak, Microsoft sırası kümeleme görüntüleyiciyi modeli kümeleme bir sıra içinde yer alan bilgileri grafik olarak görüntülemek için güçlü araçlar küme sağlar ve sorgulamak ve ulaşmak için Görüntüleyicisi'ni kullanabilirsiniz kapalı modeli içine.

Çoğu durumda, Microsoft sıra küme Görüntüleyici'de sunulan bilgileri Analysis Services kullanılarak oluşturulan sistem saklı yordamları modeli sorgulamak için.Modeli içeriği aynı bilgileri, ancak Analiz Hizmetleri almak için veri Mining Extensions (dmx) sorgular yazabilirsiniz sistem saklı yordamları tanımaya zaman veya modelleri sınamak için kullanışlı kısayol sağlar.

Bu bölümde sistem saklı yordamları sorgular modeli kümeleme bir sıra oluşturmak için nasıl kullanılacağı bazı örnekler verilmiştir:

Küme profilleri ve örnek durumlar

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetNodeGraph('Sequence Clustering','12',0)

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetNodeGraph('Sequence Clustering','',0)

SELECT * FROM [Sequence Clustering].SAMPLE_CASES WHERE IsInNode('12')

Küme karakteristiğini ve küme Ayrımcılığı

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetClusterCharacteristics('Sequence Clustering','12',0.0005)

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetClusterCharacteristics('Sequence Clustering','',0.0005)

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetClusterDiscrimination('Sequence Clustering','1','12',0.0005,true)

Durumları ve geçişler

Kullanabileceğiniz PredictSequence (dmx) işlev sonraki en olası durum, verilen bir değer tahmin etmek.Ayrıca, birden fazla sonraki durum tahmin edebilir: Örneğin, bir müşteri satın almak, bir öneriler listesi sunmak için büyük olasılıkla en üç ürün listesini döndürebilir.

Aşağıdaki örnek üst beşe, kendi olasılık ile birlikte veren bir singleton tahmin sorgu sorgudur.Model bir iç içe tablo içerdiğinden, iç içe geçmiş tablo kullanmak [v Assoc Seq Line Items], sütun başvurusu Öngörüler. yaparken olarakAyrıca, giriş olarak değerlerini sağlamak, gerekir birleştirmek hem durum tablo ve iç içe select deyimleri tarafından gösterildiği gibi iç içe geçmiş tablo sütunları.

SELECT FLATTENED PredictSequence([v Assoc Seq Line Items], 7)
FROM [Sequence Clustering]
NATURAL PREDICTION JOIN
(SELECT  (SELECT 1 as [Line Number],
   'All-Purpose Bike Stand' as [Model]) AS [v Assoc Seq Line Items]) 
AS t

Örnek sonuçlar:

Üç sütun vardır almak, sorgu her zaman durum için bir sütun döndürür çünkü yalnızca bir sütun bekleyebilirsiniz olsa tablo.sonuçlar burada düzleştirilir; Aksi durumda, sorgu iki iç içe geçmiş tablo sütunları içeren tek bir sütun döner.

Varsayılan olarak tarafından döndürülen bir sütunun sütun $sırası olan PredictSequence öngörü sipariş etmek için işlev sonuçlar.Sütun [Line Number], gerekli modelinde tuşları sırasıyla eşleşmesi için ancak anahtarları çıktı. değil

Duydukça, çok amaçlı bisiklet Standı sonra üst öngörülen serileri Cap geçiş yapma ve geçiş yapma Cap ' dir.Bu bir hata değil.Nasıl veri müşteriye sunulur ve nasıl bu eğitim modeli, gruplandırılmış türüne bağlı olarak, bu tür içermeyen çok mümkündür.Örneğin, bir müşteri bir dönüşüm cap (kırmızı) satın ve daha sonra başka bir geçiş yapma (mavi) cap veya miktar belirtmek için mümkün olsaydı, ikisi bir satırda satın.

6 Ve 7 satırlardaki değerleri yer tutuculardır.Sonlandırma yerine olası geçişleri zincirini sonuna ulaştığınızda tahmin sonuçlar, sonuçlar bir giriş olarak değer geçildi.Öngörüler için 20, 6-20 satırlar için değerleri sayısını artırmış, tüm aynı, çok amaçlı bisiklet Standı olacaktır.

Başa Dön