CREATE MINING MODEL （DMX）

  • 發行項

適用於： SQL Server Analysis Services

在資料庫中建立新的採礦模型和採礦結構。 您可以在 語句中定義新的模型，或使用預測模型標記語言 （PMML） 來建立模型。 第二個選項僅適用于進階使用者。

採礦結構是藉由將 「_structure」 附加至模型名稱來命名，這可確保結構名稱與模型名稱是唯一的。

若要建立現有採礦結構的採礦模型，請使用 ALTER MINING STRUCTURE （DMX） 語句。

語法

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

引數

model
模型的唯一名稱。

資料行定義清單
以逗號分隔的資料行定義清單。

algorithm
資料採礦演算法的名稱，如目前提供者所定義。

注意

您可以使用 DMSCHEMA_MINING_SERVICES Rowset 來擷取 目前提供者支援的演算法清單。 若要檢視 Analysis Services 目前實例中支援的演算法，請參閱 資料採礦屬性 。

參數清單
選擇性。 演算法的提供者定義參數逗號分隔清單。

XML 字串
（僅供進階使用。）XML 編碼模型 （PMML）。 字串必須以單引號括住 （'）。

SESSION 子句可讓您建立採礦模型，此模型會在連接關閉或會話逾時時自動從伺服器移除。 SESSION 採礦模型很有用，因為它們不需要使用者成為資料庫管理員，而且只要連線開啟，他們只會使用磁碟空間。

WITH DRILLTHROUGH 子句可對新的採礦模型進行鑽研。 您只能在建立模型時啟用鑽研。 對於某些模型類型，需要鑽研才能在自訂檢視器中流覽模型。 預測或使用 Microsoft 一般內容樹狀檢視器流覽模型不需要鑽研。

CREATE MINING MODEL 語句會根據資料行定義清單、演算法和演算法參數清單，建立新的採礦模型。

資料行定義清單

您可以定義使用資料行定義清單的模型結構，方法是包含每個資料行的下列資訊：

  • 名稱（必要）

  • 資料類型 （必要）

  • 散發

  • 模型旗標清單

  • 內容類型（必要）

  • 預測要求，這個要求會向演算法指出預測這個資料行，由 PREDICT 或 PREDICT_ONLY 子句表示

  • 與屬性資料行的關聯性（只有在適用時才強制），由 RELATED TO 子句表示

針對資料行定義清單使用下列語法來定義單一資料行：

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

針對資料行定義清單使用下列語法來定義巢狀資料表資料行：

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

除了模型旗標之外，您只能使用來自特定群組的一個子句來定義資料行。 您可以定義資料行的多個模型旗標。

如需可用來定義資料行的資料類型、內容類型、資料行散發和模型旗標清單，請參閱下列主題：

您可以將 子句新增至 語句，以描述兩個數據行之間的關聯性。 Analysis Services 支援使用下列 < Column 關聯 > 性子句。

與
此表單表示值階層。 RELATED TO 資料行的目標可以是巢狀資料表中的索引鍵資料行、案例資料列中的離散值資料行，或是具有 RELATED TO 子句的另一個資料行，表示更深層階層。

使用預測子句來描述預測資料行的使用方式。 下表描述兩個可能子句。

<prediction > 子句 描述
預測 此資料行可由模型預測，而且可以在輸入案例中提供，以預測其他可預測資料行的值。
PREDICT_ONLY 此資料行可由模型預測，但其值不能用於輸入案例中來預測其他可預測資料行的值。

參數定義清單

您可以使用參數清單來調整採礦模型的效能和功能。 參數清單的語法如下所示：

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

如需與每個演算法相關聯的參數清單，請參閱 資料採礦演算法（Analysis Services - 資料採礦）。

備註

如果您想要建立具有內建測試資料集的模型，您應該使用語句 CREATE MINING STRUCTURE，後面接著 ALTER MINING STRUCTURE。 不過，並非所有模型類型都支援鑒效組資料集。 如需詳細資訊，請參閱 CREATE MINING STRUCTURE （DMX） 。

如需如何使用 CREATEMODEL 語句建立採礦模型的逐步解說，請參閱 時間序列預測 DMX 教學課程 。

貝氏機率分類範例

下列範例會使用 Microsoft 貝氏機率分類演算法來建立新的採礦模型。 Bike Buyer 資料行定義為可預測的屬性。

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

關聯模型範例

下列範例會使用 Microsoft 關聯演算法來建立新的採礦模型。 語句利用使用資料表資料行在模型定義內巢狀資料表的能力。 使用 MINIMUM_PROBABILITY 和 MINIMUM_SUPPORT 參數來修改 模型。

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)

時序叢集範例

下列範例會使用 Microsoft 時序群集演算法來建立新的採礦模型。 兩個索引鍵可用來定義模型。 OrderNumber 資料行會當做案例索引鍵使用，並指定個別訂單。 LineNumber 資料行會當做巢狀資料表索引鍵使用，並指定專案加入順序的順序。

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

時間序列範例

下列範例使用 Microsoft 時間序列演算法，使用 ARTxp 演算法建立新的採礦模型。 ReportingDate 是時間序列的索引鍵資料行，ModelRegion 是資料序列的索引鍵資料行。 在此範例中，假設資料的週期性每 12 個月一次。 因此， PERIODICITY_HINT 參數會設定為 12。

注意

您必須使用大括弧字元來 指定PERIODICITY_HINT 參數。 此外，因為值是字串，所以必須以單引號括住：「{ < numeric value > }」。

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')

另請參閱

資料採礦延伸模組 （DMX） 資料定義語句
資料採礦延伸模組 （DMX） 資料動作陳述式
資料採礦延伸模組 (DMX) 陳述式參考