• 發行項

CREATE MINING STRUCTURE (DMX)

在資料庫中建立新的採礦結構，並選擇性地定義培訓和測試資料分割。建立採礦結構之後，您可以使用 ALTER MINING STRUCTURE (DMX) 陳述式，將模型加入到採礦結構中。

語法

CREATE [SESSION] MINING STRUCTURE <structure>
(
    [(<column definition list>)]
)
[WITH HOLDOUT (<holdout-specifier> [OR <holdout-specifier>])]
[REPEATABLE(<holdout seed>)]
<holdout-specifier>::=  <holdout-maxpercent> PERCENT | <holdout-maxcases> CASES

引數

  • structure
    結構的唯一名稱。

  • column definition list
    資料行定義的逗號分隔清單。

  • holdout-maxpercent
    介於 1 和 100 之間的整數，表示保留給測試之用的資料百分比。

  • holdout-maxcases
    表示用於測試之案例數目上限的整數。

    如果為最大案例數指定的值大於輸入案例的數目，所有輸入案例都會用於測試，並且將會引發警告。

    [!附註]

    如果同時指定案例的百分比和最大數目，則會使用兩個限制中的較小者。

  • holdout seed
    當做種子使用以開始分割資料的整數。

    如果設為 0，就會使用採礦結構識別碼的雜湊當做種子。

    [!附註]

    如果您需要確認可以重新產生資料分割，您應該指定一個種子。

    預設值：REPEATABLE(0)

備註

定義採礦結構的方法是指定資料行的清單、選擇性地指定資料行之間的階層式關聯性，然後選擇性地將採礦結構分割為培訓和測試資料集。

選擇性的 SESSION 關鍵字表示此結構是暫時性結構，您僅能用於目前工作階段的持續時間。當工作階段結束時，將會刪除此結構以及所有以此結構為基礎的模型。若要建立暫時性採礦結構和模型，您必須先設定資料庫屬性 AllowSessionMiningModels。如需詳細資訊，請參閱＜資料採礦屬性＞。

資料行定義清單

您可以在資料行定義清單中包含每個資料行的下列資訊，以定義採礦結構：

  • 名稱 (強制的)

  • 資料類型 (強制的)

  • 散發

  • 模型旗標的清單

  • 內容類型 (強制的)

  • 屬性資料行的關聯性 (只有適用時才是強制的)，由 RELATED TO 子句指出

使用下列資料行定義清單的語法，以定義單一資料行：

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

使用下列資料行定義清單的語法，以定義巢狀資料表資料行：

<column name>    TABLE    ( <column definition list> )

如需可用於定義結構資料行之資料類型、內容類型、資料行散發，以及模型旗標的清單，請參閱下列主題：

您可以為一個資料行定義多個模型旗標值。不過，對於一個資料行，您僅能擁有一個內容類型和一個資料類型。

資料行關聯性

您可以在任何資料行定義陳述式中加入子句，以描述兩個資料行之間的關聯性。Analysis Services 支援使用下列 <column relationship> 子句。

  • RELATED TO
    表示階層。RELATED TO 資料行的目標可以是巢狀資料表中的索引鍵資料行、案例資料列中的分隔值資料行，或者使用 RELATED TO 子句的另一個資料行 (表示更深的階層)。

鑑效組參數

當您指定鑑效組參數時，您可以建立結構資料的資料分割。您為鑑效組所指定的數量會保留給測試之用，而剩餘的資料則用於培訓。根據預設，如果您使用 Business Intelligence Development Studio 建立採礦結構，系統會為您建立鑑效組資料分割，其中包含 30% 的測試資料以及 70% 的培訓資料。如需詳細資訊，請參閱＜將資料分割成培訓集和測試集 (Analysis Services - 資料採礦)＞。

如果您使用資料採礦延伸模組 (DMX) 建立採礦結構，您必須手動指定要建立的鑑效組資料分割。

[!附註]

ALTER MINING STRUCTURE 陳述式不支援鑑效組。

您最多可以指定三個鑑效組參數。如果您同時指定鑑效組案例數上限以及鑑效組百分比，在達到案例上限前，會保留案例的百分比。您可以將鑑效組百分比指定為整數，後面加上 PERCENT 關鍵字，然後將案例數上限指定為整數，後面加上 CASES 關鍵字。您可以用任何順序結合這些條件，如下列範例所示：

WITH HOLDOUT (20 PERCENT) 
WITH HOLDOUT (2000 CASES) 
WITH HOLDOUT (20 PERCENT OR 2000 CASES) 
WITH HOLDOUT (2000 CASES OR 20 PERCENT)

鑑效組種子可控制程序的起點，而且此程序會將案例隨機指派給培訓資料集或測試資料集。您可以藉由設定鑑效組種子，確保資料分割可以重複。如果您沒有指定鑑效組種子，Analysis Services 會使用採礦結構的名稱來建立種子。如果您要為結構重新命名，種子值將會變更。鑑效組種子參數可以搭配一個或兩個其他鑑效組參數使用。

[!附註]

資料分割資訊是利用培訓資料快取的，因此，若要使用鑑效組，您必須確認採礦結構的 CacheMode 屬性有設定為 KeepTrainingData。在 Analysis Services 中，這是新採礦結構的預設值。在包含鑑效組資料分割的現有採礦結構上，將 CacheMode 屬性變更為 ClearTrainingCases 並不會影響已經處理過的任何採礦模型。但是，如果 MiningStructureCacheMode 沒有設定為 KeepTrainingData，鑑效組參數將沒有任何效果。也就是說，所有來源資料都將用於培訓，而不會提供任何測試集。資料分割的定義是利用結構快取的；如果您清除培訓案例的快取，也會清除測試資料的快取以及鑑效組集的定義。

範例

下列範例示範如何使用 DMX 建立包含鑑效組的採礦結構。

範例 1：加入沒有培訓集的結構

下列範例建立稱為 New Mailing 的新採礦結構，但不建立任何相關聯的採礦模型，也不使用鑑效組。若要了解如何將採礦模型加入至結構，請參閱＜ALTER MINING STRUCTURE (DMX)＞。

CREATE MINING STRUCTURE [New Mailing]
(
    CustomerKey LONG KEY, 
    Gender TEXT DISCRETE,
    [Number Cars Owned] LONG DISCRETE,
    [Bike Buyer] LONG DISCRETE 
)

範例 2：指定鑑效組百分比與種子

下列子句可以加到資料行定義清單的後面以定義一個資料集，可用於測試與採礦結構相關聯的所有採礦模型。此陳述式建立的測試集為 25% 的總輸入案例，但沒有案例數的上限。並使用 5000 當做建立資料分割的種子。指定種子時，每次當您處理採礦結構時，只要基礎資料沒有變更，就會為測試集選擇相同的案例。

CREATE MINING STRUCTURE [New Mailing]
(
    CustomerKey LONG KEY, 
    Gender TEXT DISCRETE,
    [Number Cars Owned] LONG DISCRETE,
    [Bike Buyer] LONG DISCRETE 
) 
WITH HOLDOUT(25 PERCENT) REPEATABLE(5000)

範例 3：指定鑑效組百分比與最大案例數

下列子句建立的測試集包含 25% 的總輸入案例或 2000 個案例，以較少者為準。由於 0 已被指定為種子，採礦結構的名稱會用來建立種子，系統會使用這個種子，開始取樣輸入案例。

CREATE MINING STRUCTURE [New Mailing]
(
    CustomerKey LONG KEY, 
    Gender TEXT DISCRETE,
    [Number Cars Owned] LONG DISCRETE,
    [Bike Buyer] LONG DISCRETE 
) 
WITH HOLDOUT(25 PERCENT OR 2000 CASES) REPEATABLE(0)