Lektion 4: Ausführen von Warenkorbvorhersagen

  • Artikel

Neu: 05. Dezember 2005

In dieser Lektion verwenden Sie die Form SELECT FROM <model> PREDICTION JOIN (DMX) der SELECT-Anweisung, um basierend auf den Zuordnungsmodellen, die Sie in Lektion 2: Hinzufügen von Miningmodellen zur Market Basket-Miningstruktur erstellt haben, Vorhersagen zu erstellen. Diese Vorhersagetypen werden weiter unten definiert.

Die Form SELECT FROM <model> PREDICTION JOIN (DMX) der SELECT-Anweisung besteht aus drei Teilen:

  • Einer Liste der Miningmodellspalten und Vorhersagefunktionen, die im Resultset zurückgegeben werden. Diese Liste kann auch Eingabespalten aus den Quelldaten enthalten.
  • Der Quellabfrage, die die zum Erstellen einer Vorhersage verwendeten Daten definiert. In einer Batchabfrage könnte dies beispielsweise eine Kundenliste sein.
  • Einer Zuordnung von Miningmodellspalten und Quelldaten. Wenn diese Namen übereinstimmen, können Sie NATURAL-Syntax verwenden und auf die Spaltenzuordnungen verzichten.

Mithilfe von Vorhersagefunktionen lässt sich die Abfrage zusätzlich optimieren. Über Vorhersagefunktionen werden Ihnen zusätzliche Informationen bereitgestellt (z. B. die Wahrscheinlichkeit des Eintreffens einer Vorhersage), und sie unterstützen die Vorhersage im Trainings-Dataset. Weitere Informationen zu Vorhersagefunktionen finden Sie unter Funktionen (DMX).

Vorhersageabfragen können auch mit dem Generator für Vorhersageabfragen in Business Intelligence Development Studio erstellt werden. Weitere Informationen finden Sie unter Verwenden vom Generator für Vorhersageabfragen zum Erstellen von DMX-Vorhersageabfragen.

Lektionsaufgaben

Im Rahmen dieser Lektion führen Sie die folgenden Aufgaben aus:

  • Erstellen einer Abfrage, die anhand von Artikeln, die sich bereits im Einkaufswagen eines Kunden befinden, bestimmt, welche anderen Artikel ein Kunde wahrscheinlich kaufen wird. Sie erstellen diese Abfrage mithilfe des Miningmodells sowie des MINIMUM_PROBABILITY- Standardwerts.
  • Erstellen einer Abfrage, die anhand von Artikeln, die sich bereits im Einkaufswagen eines Kunden befinden, bestimmt, welche anderen Artikel ein Kunde wahrscheinlich kaufen wird. Sie erstellen diese Abfrage, indem Sie das Miningmodell mit einem MINIMUM_PROBABILITY-Wert von 0,01 verwenden.

PREDICTION JOIN-Anweisung in einer SINGLETON-Vorhersageabfrage

Im ersten Schritt verwenden Sie SELECT FROM <model> PREDICTION JOIN (DMX) in einer SINGLETON-Vorhersageabfrage. Es folgt ein allgemeines Beispiel für die SINGLETON-Anweisung:

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>]

In der ersten Codezeile werden sowohl das Miningmodell, mit dem die Vorhersage generiert wurde, als auch die Spalten des Miningsmodells definiert, die die Abfrage zurückgibt:

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

Die nächsten Codezeilen definieren die Produkte im Einkaufswagen, die zum Vorhersagen zusätzlicher Produkte, die ein Kunde erwerben wird, verwendet werden:

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

Erstellen einer Vorhersage durch Verwenden eines Modells mit dem MINIMUM_PROBABILITY-Standardwert

So erstellen Sie eine Zuordnungsabfrage

  1. Klicken Sie im Objekt-Explorer mit der rechten Maustaste auf die Instanz von Analysis Services, zeigen Sie auf Neue Abfrage, und klicken Sie dann auf DMX.

    Der Abfrage-Editor wird mit einer neuen leeren Abfrage geöffnet.

  2. Kopieren Sie das allgemeine Beispiel der PREDICITION JOIN-Anweisung in die leere Abfrage.

  3. Ersetzen Sie Folgendes:

    <select list>

    durch:

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

    Sie könnten nur den Spaltennamen [Products] einschließen. Durch Verwenden der Predict-Funktion können Sie jedoch die Anzahl der vom Algorithmus zurückgegebenen Produkte auf drei begrenzen. Sie können auch INCLUDE_STATISTICS einschließen. Damit werden der Unterstützungswert, die Wahrscheinlichkeit und die angepasste Wahrscheinlichkeit für jedes Produkt zurückgegeben. Mithilfe dieser statistischen Informationen können Sie die Genauigkeit der Vorhersage bewerten.

  4. Ersetzen Sie Folgendes:

    [<mining model>]

    durch:

    [Association]

  5. Ersetzen Sie Folgendes:

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

    durch:

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

    Diese Anweisung verwendet die UNION-Anweisung, um drei Produkte anzugeben, die zusammen mit den vorhergesagten Produkten im Einkaufskorb enthalten sein müssen. Die Model-Spalte in der SELECT-Anweisung entspricht der Model-Spalte, die in der geschachtelten Products-Tabelle enthalten ist.

    Die gesamte Anweisung sollte wie folgt aussehen:

    SELECT
  PREDICT([Association].[Products],INCLUDE_STATISTICS,3)
From
  [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. Klicken Sie im Menü Datei auf DMXQuery1.dmx speichern unter.

  7. Wechseln Sie im Dialogfeld Speichern unter in den entsprechenden Ordner, und geben Sie der Datei den Namen Association Prediction.dmx.

  8. Klicken Sie auf der Symbolleiste auf die Schaltfläche Ausführen.

    Die Abfrage gibt eine Tabelle zurück, die drei Produkte enthält (HL Mountain Tire, Fender Set - Mountain und ML Mountain Tire). Die Produkte werden in der Reihenfolge zurückgegeben, die der Wahrscheinlichkeit entspricht, dass diese Produkte im selben Einkaufswagen wie die drei in der Abfrage angegebenen Produkte vorhanden sind. Die Tabelle enthält zudem statistische Informationen, die die Genauigkeit der Vorhersage beschreiben.

Erstellen einer Vorhersage durch Verwenden eines Modells mit dem MINIMUM_PROBABILITY-Wert 0,01

So erstellen Sie eine Zuordnungsabfrage

  1. Klicken Sie im Objekt-Explorer mit der rechten Maustaste auf die Instanz von Analysis Services, zeigen Sie auf Neue Abfrage, und klicken Sie dann auf DMX.

    Der Abfrage-Editor wird mit einer neuen leeren Abfrage geöffnet.

  2. Kopieren Sie das allgemeine Beispiel der PREDICITION JOIN-Anweisung in die leere Abfrage.

  3. Ersetzen Sie Folgendes:

    <select list>

    durch:

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

  4. Ersetzen Sie Folgendes:

    [<mining model>]

    durch:

    [Modified Association]

  5. Ersetzen Sie Folgendes:

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

    durch:

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

    Diese Anweisung verwendet die UNION-Anweisung, um drei Produkte anzugeben, die zusammen mit den vorhergesagten Produkten im Einkaufskorb enthalten sein müssen. Die Model-Spalte in der SELECT-Anweisung entspricht der Model-Spalte, die in der geschachtelten Products-Tabelle enthalten ist.

    Die gesamte Anweisung sollte wie folgt aussehen:

    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. Klicken Sie im Menü Datei auf DMXQuery1.dmx speichern unter.

  7. Wechseln Sie im Dialogfeld Speichern unter in den entsprechenden Ordner, und geben Sie der Datei den Namen Modified Association Prediction.dmx.

  8. Klicken Sie auf der Symbolleiste auf die Schaltfläche Ausführen.

    Die Abfrage gibt eine Tabelle zurück, die drei Produkte enthält (HL Mountain Tire, Fender Set - Mountain und Fender Set - Mountain). Die Produkte werden in der Reihenfolge zurückgegeben, die der Wahrscheinlichkeit entspricht, dass diese Produkte im selben Einkaufswagen wie die drei in der Abfrage angegebenen Produkte vorhanden sind. Die Tabelle enthält zudem statistische Informationen, die die Genauigkeit der Vorhersage beschreiben.

    Aus den Ergebnissen dieser Abfrage können Sie ablesen, dass der Wert des MINIMUM_PROBABILITY-Parameters Auswirkungen auf die von der Abfrage zurückgegebenen Ergebnisse hat.

Dies ist der letzte Schritt im Market Basket-Lernprogramm. Sie verfügen jetzt über einen Satz Modelle, mit dem sich vorhersagen lässt, welche Arten von Produkten von Kunden tendenziell als Kombinationskauf erworben werden.

Informationen zum Verwenden von DMX in einem anderen Vorhersageszenario finden Sie unter Bike Buyer-Lernprogramm zur DMX-Abfragesprache.