CREATE MINING STRUCTURE (DMX)

Crea una nueva estructura de minería de datos en una base de datos y, opcionalmente, define las particiones de aprendizaje y de pruebas. Una vez creada la estructura de minería de datos, es posible utilizar la instrucción ALTER MINING STRUCTURE (DMX) para agregar modelos a la estructura de minería de datos.

Sintaxis

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

Argumentos

• structure
  Nombre único de la estructura.

• column definition list
  Lista delimitada por comas de definiciones de columna.

• holdout-maxpercent
  Número entero entre 1 y 100 que indica el porcentaje de datos que se reservan para las pruebas.

• holdout-maxcases
  Número entero que indica el número máximo de casos que deben utilizarse para las pruebas.

  Si el valor especificado para el número máximo de casos es mayor que el número de casos de entrada, se utilizarán todos los casos de entrada para las pruebas y se generará un mensaje de advertencia.

  [!NOTA]

  Si se especifica tanto el porcentaje como el número máximo de casos, se utilizará el menor de los dos límites.

• holdout seed
  Número entero utilizado como valor de inicialización para iniciar la partición de los datos.

  Si se establece en 0, el hash del identificador de la estructura de minería de datos se utiliza como valor de inicialización.

  [!NOTA]

  Debería especificar un valor de inicialización si necesita asegurarse de que se puede reproducir una partición.

  Valor predeterminado: REPEATABLE(0)

Comentarios

Para definir una estructura de minería de datos hay que especificar una lista de columnas y, opcionalmente, las relaciones jerárquicas entre las columnas; también existe la opción de crear particiones de la estructura de minería de datos en conjuntos de datos de aprendizaje y de pruebas.

La palabra clave opcional SESSION indica que la estructura es una estructura temporal que solamente puede usarse durante el transcurso de la sesión actual. Cuando finalice la sesión, se eliminará la estructura, así como cualquier modelo basado en la estructura. Para crear estructuras y modelos de minería de datos temporales, es necesario establecer primero la propiedad de base de datos AllowSessionMiningModels. Para obtener más información, vea Propiedades de minería de datos.

Lista de definiciones de columna

Para definir una estructura de minería de datos, debe incluir la siguiente información para cada columna de la lista de definiciones de columna:

• Nombre (obligatorio)

• Tipo de datos (obligatorio)

• Distribución

• Lista de marcas de modelado

• Tipo de contenido (obligatorio)

• Relación con una columna de atributos (obligatoria solamente si corresponde), que se indica mediante la cláusula RELATED TO

Use la siguiente sintaxis en la lista de definiciones de columna para definir una sola columna:

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

Use la siguiente sintaxis en la lista de definiciones de columna para definir una columna de tabla anidada:

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

Para obtener una lista de los tipos de datos, tipos de contenido, distribuciones de columnas y marcadores de modelado que pueden usarse en la definición de una columna de estructura, vea los siguientes temas:

• Tipos de datos (minería de datos)

• Tipos de contenido (minería de datos)

• Distribuciones de columnas (minería de datos)

• Marcas de modelado (Minería de datos)

Puede definir varios valores de marcas de modelado para una columna. Sin embargo, solo puede haber un tipo de contenido y un tipo de datos para cada columna.

Relaciones entre columnas

Puede agregar una cláusula a cualquier instrucción de definición de columna para describir la relación existente entre dos columnas. Analysis Services admite el uso de la cláusula de <relación entre columnas> siguiente.

• RELATED TO
  Indica una jerarquía de valores. El destino de una columna RELATED TO puede ser una columna de clave de una tabla anidada, una columna de valores discretos en la fila de caso u otra columna con una cláusula RELATED TO, que indica una jerarquía de más niveles.

Parámetros de exclusión

Cuando se especifican parámetros de exclusión, se crea una partición de los datos de la estructura. La cantidad de datos especificada para la exclusión se reserva para las pruebas y los datos restantes se utilizan para el aprendizaje. De forma predeterminada, si crea una estructura de minería de datos mediante SQL Server Data Tools (SSDT), se crea automáticamente una partición de exclusión que contiene un 30 por ciento de datos de pruebas y un 70 por ciento de datos de aprendizaje. Para obtener más información, vea Conjuntos de datos de entrenamiento y de prueba.

Si crea una estructura de minería de datos mediante Extensiones de minería de datos (DMX), debe especificar manualmente que se cree una partición de exclusión.

[!NOTA]

La instrucción ALTER MINING STRUCTURE no admite la exclusión.

Puede especificar hasta tres parámetros de exclusión. Si especifica tanto un número máximo de casos de exclusión como un porcentaje de exclusión, se reserva un porcentaje de casos hasta que se alcance el límite máximo de casos. El porcentaje de exclusión se especifica como un número entero seguido de la palabra clave PERCENT, mientras que el número máximo de casos se especifica como un número entero seguido de la palabra clave CASES. Las condiciones pueden combinarse en cualquier orden, como se muestra en los ejemplos siguientes:

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

El valor de inicialización de la exclusión controla el punto inicial del proceso que asigna de forma aleatoria los casos a los conjuntos de datos de aprendizaje o de pruebas. Si establece un valor de inicialización de la exclusión, puede asegurarse de que se puede repetir la partición. Si no especifica un valor de inicialización de la exclusión, Analysis Services utiliza el nombre de la estructura de minería de datos para crear un valor de inicialización. Si cambia el nombre de la estructura, cambiará el valor de inicialización. El parámetro del valor de inicialización de la exclusión se puede utilizar con cualquiera de los otros dos parámetros de exclusión o con ambos.

[!NOTA]

Dado que la información de la partición está almacenada en memoria caché con los datos de aprendizaje, para utilizar la exclusión debe asegurarse de que la propiedad CacheMode de la estructura de minería de datos está establecida en KeepTrainingData. Ésta es la configuración predeterminada en Analysis Services para las estructuras de minería de datos nuevas. El hecho de cambiar la propiedad CacheMode a ClearTrainingCases en una estructura de minería de datos existente que contiene una partición de exclusión no afectará a ningún modelo de minería que se haya procesado. Sin embargo, si la propiedad MiningStructureCacheMode no está establecida en KeepTrainingData, los parámetros de exclusión no tendrán ningún efecto. Esto significa que todos los datos de origen se utilizarán para el aprendizaje y no habrá ningún conjunto de pruebas disponible. La definición de la partición se almacena en memoria caché con la estructura; si borra la memoria caché de casos de aprendizaje, también borrará la memoria caché de datos de pruebas y la definición del conjunto de exclusión.

Ejemplos

En los ejemplos siguientes se muestra cómo crear una estructura de minería de datos con exclusión mediante DMX.

Ejemplo 1: agregar una estructura sin un conjunto de aprendizaje

En el ejemplo siguiente se crea una estructura de minería de datos denominada New Mailing sin crear ningún modelo de minería de datos asociado y sin utilizar la exclusión. Para obtener información acerca de cómo agregar un modelo de minería de datos a la estructura, vea ALTER MINING STRUCTURE (DMX).

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

Ejemplo 2: especificar el porcentaje y el valor de inicialización de la exclusión

Puede agregarse la siguiente cláusula a continuación de la lista de definiciones de columna para definir un conjunto de datos que puede usarse para probar todos los modelos de minería de datos asociados a la estructura de minería de datos. La instrucción creará un conjunto de pruebas con el 25 por ciento del total de casos de entrada sin un límite en el número máximo de casos. Se utiliza 5000 como valor de inicialización para crear la partición. Cuando especifique un valor de inicialización, se elegirán los mismo casos para el conjunto de pruebas cada vez que procese la estructura de minería de datos, siempre y cuando los datos subyacentes no cambien.

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)

Ejemplo 3: especificar el porcentaje y el número máximo de casos de exclusión

La cláusula siguiente creará un conjunto de pruebas que contiene el 25 por ciento del total de casos de entrada o 2000 casos, lo que sea menor. Dado que se especifica 0 como valor de inicialización, se utiliza el nombre de la estructura de minería de datos para crear el valor de inicialización que se usa para empezar el muestreo de los casos de entrada.

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)

Vea también

Referencia

Instrucciones de definición de datos de Extensiones de minería de datos (DMX)

Instrucciones de manipulación de datos de Extensiones de minería de datos (DMX)

Referencia de instrucciones de Extensiones de minería de datos (DMX)