ALTER MINING STRUCTURE(DMX)

 

이 항목은 다음에 적용됩니다.예SQL Server(2008부터 시작)아니요Azure SQL 데이터베이스아니요Azure SQL 데이터 웨어하우스아니요병렬 데이터 웨어하우스

기존 마이닝 구조를 기반으로 새 마이닝 모델을 만듭니다. 사용 하는 경우는 ALTER MINING STRUCTURE 문을 새 마이닝 모델 구조 만들기에 이미 존재 해야 합니다. 반면, 사용 하는 경우에 문에서 마이닝 CREATE MODEL (DMX), 모델을 만들고 동시에 자동으로 해당 기본 마이닝 구조를 생성 합니다.

  
ALTER MINING STRUCTURE <structure>  
ADD MINING MODEL <model>  
(  
    <column definition list>  
  [(<nested column definition list>) [WITH FILTER (<nested filter criteria>)]]  
)  
USING <algorithm> [(<parameter list>)]   
[WITH DRILLTHROUGH]  
[,FILTER(<filter criteria>)]  

구조
마이닝 모델을 추가할 마이닝 구조의 이름입니다.

모델
고유한 마이닝 모델 이름입니다.

열 정의 목록
쉼표로 구분된 열 정의 목록입니다.

중첩된 열 정의 목록
쉼표로 구분된 중첩 테이블 열 목록입니다(해당될 경우).

중첩 된 필터 조건
중첩 테이블의 열에 적용되는 필터 식입니다.

알고리즘
공급자가 정의한 데이터 마이닝 알고리즘의 이름입니다.

System_CAPS_ICON_note.jpg 참고


현재 공급자에서 지 원하는 알고리즘의 목록을 사용 하 여 검색할 수 DMSCHEMA_MINING_SERVICES 행 집합합니다. 현재 인스턴스에 지원 되는 알고리즘을 보려면 Analysis Services, 참조 데이터 마이닝 속성합니다.

매개 변수 목록
(선택 사항) 알고리즘에 대해 공급자가 정의한 매개 변수의 쉼표로 구분된 목록입니다.

필터 조건
사례 테이블의 열에 적용되는 필터 식입니다.

마이닝 구조에 복합 키가 포함된 경우 이 구조에서 정의한 모든 키 열이 마이닝 모델에 포함되어야 합니다.

Microsoft 클러스터링 및 Microsoft 시퀀스 클러스터링 알고리즘을 사용하여 작성한 모델과 같이 모델에 예측 가능한 열이 필요하지 않을 경우에는 문에 열 정의를 포함하지 않아도 됩니다. 결과 모델의 모든 특성은 입력으로 처리됩니다.

WITH 절에서는 사례 테이블에 적용 되는 필터링과 드릴스루 모두에 대 한 옵션을 지정할 수 있습니다.

  • 추가 된 필터 키워드 및 필터 조건입니다. 그러면 필터가 마이닝 모델의 사례에 적용됩니다.

  • 추가 된 드릴스루 키워드 사례 데이터를 모델 결과에서 드릴 다운 하려면 마이닝 모델의 사용자가 사용할 수 있도록 합니다. DMX(Data Mining Extensions)에서는 모델을 만들 때만 드릴스루를 사용할 수 있습니다.

사례 필터링과 드릴스루 모두를 사용 하려면 단일에서 키워드를 함께 WITH 절 다음 예제와 같이 구문을 사용 하 여:

WITH DRILLTHROUGH, FILTER(Gender = 'Male')

각 열에 대해 다음과 같은 정보가 포함된 열 정의 목록을 지정하여 모델 구조를 정의합니다.

  • 이름(필수)

  • 별칭(옵션)

  • 모델링 플래그

  • 로 표시 된 알고리즘에는 열은 예측 가능한 값 포함 여부를 나타내는 예측 요청은 PREDICT 또는 PREDICT_ONLY

열 정의 목록에 대해 다음 구문을 사용하여 단일 열을 정의합니다.

<structure column name>  [AS <model column name>]  [<modeling flags>]    [<prediction>]  

열 이름 및 별칭

열 정의 목록에 사용하는 열 이름은 마이닝 구조에 사용된 열 이름이어야 합니다. 그러나 필요에 따라 마이닝 모델의 구조 열을 나타내는 별칭을 정의할 수 있습니다. 또한 같은 구조 열에 대한 열 정의를 여러 개 만든 다음 각각의 열 복사본에 서로 다른 별칭과 예측 사용을 할당할 수 있습니다. 기본적으로 구조 열 이름은 별칭을 정의하지 않은 경우에 사용됩니다. 자세한 내용은 참조 모델 열에 대 한 별칭을 만들합니다.

중첩된 테이블 열에 대 한 중첩된 테이블의 이름을 지정 하면,이 데이터 형식으로 지정 테이블, 괄호 안에 모델에 포함할 중첩 열의 목록을 제공 합니다.

필터 조건 식을 중첩 테이블 열 정의 뒤에 추가하여 중첩 테이블에 적용되는 필터 식을 정의할 수 있습니다.

모델링 플래그

Analysis Services는 마이닝 모델 열에 사용할 수 있도록 다음 모델링 플래그를 지원합니다.

System_CAPS_ICON_note.jpg 참고


NOT_NULL 모델링 플래그는 마이닝 구조 열에 적용됩니다. 자세한 내용은 CREATE MINING STRUCTURE(DMX)를 참조하세요.

용어정의
회귀 변수회귀 알고리즘의 회귀 수식에 지정된 열을 사용할 수 있음을 나타냅니다.
개.특성의 존재 여부가 특성 열의 값보다 더 중요함을 나타냅니다.

열 하나에 대해 여러 개의 모델링 플래그를 정의할 수 있습니다. 모델링 플래그를 사용 하는 방법에 대 한 자세한 내용은 참조 모델링 플래그 (DMX)합니다.

예측 절

예측 절은 예측 열의 사용 방법을 설명합니다. 다음 표에서는 가능한 절을 보여 줍니다.

예측모델에서 이 열을 예측할 수 있으며 열 값은 다른 예측 가능한 열의 값을 예측하기 위한 입력으로 사용할 수 있습니다.
PREDICT_ONLY이 열은 모델에 의해 예측될 수 있지만 이 열의 값을 입력 사례에 사용하여 다른 예측 가능 열 값을 예측할 수는 없습니다.

마이닝 모델에 사용되는 사례를 제한하는 필터를 정의할 수 있습니다. 필터는 사례 테이블의 열 또는 중첩 테이블의 행에 적용하거나 둘 다에 적용할 수 있습니다.

필터 조건 식은 간단한 DMX 조건자로서 WHERE 절과 비슷합니다. 필터 식은 기본 수치 연산자, 스칼라 및 열 이름을 사용하는 수식으로 제한됩니다. 단, EXISTS 연산자는 예외입니다. 이 연산자는 하위 쿼리에 대해 반환되는 행이 한 개 이상일 경우 True로 평가됩니다. 조건자는 일반 논리 연산자를 사용 하 여 결합할 수 있습니다: 및, OR, not입니다.

마이닝 모델을 사용 하는 필터에 대 한 자세한 내용은 참조 마이닝 모델 (Analysis Services-데이터 마이닝)에 대 한 필터합니다.

System_CAPS_ICON_note.jpg 참고


필터의 열은 마이닝 구조 열이어야 합니다. 모델 열이나 별칭이 지정된 열에 대한 필터는 만들 수 없습니다.

DMX 연산자 및 구문에 대 한 자세한 내용은 참조 마이닝 모델 열합니다.

매개 변수 목록에 알고리즘 매개 변수를 추가하여 모델의 성능과 기능을 조정할 수 있습니다. 사용할 수 있는 매개 변수는 USING 절에 지정한 알고리즘에 따라 달라집니다. 각 알고리즘에 연관 된 매개 변수 목록은 참조 하십시오. 데이터 마이닝 알고리즘 (Analysis Services-데이터 마이닝)합니다.

매개 변수 목록의 구문은 다음과 같습니다.

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

다음 예제에서는 Naive Bayes 마이닝 모델을 추가 하는 New Mailing 마이닝 구조와 한계는 최대 특성 상태 수를 50입니다.

ALTER MINING STRUCTURE [New Mailing]  
ADD MINING MODEL [Naive Bayes]  
(  
    CustomerKey,   
    Gender,  
    [Number Cars Owned],  
    [Bike Buyer] PREDICT  
)  
USING Microsoft_Naive_Bayes (MAXIMUM_STATES = 50)  

마이닝 모델을 추가 하는 다음 예제에서는 Naive Bayes WomenNew Mailing 마이닝 구조입니다. 새 모델의 기본 구조는 예 1에서 추가한 마이닝 모델과 같지만 이 모델에서는 마이닝 구조의 사례를 51세 이상의 여성 고객으로 제한합니다.

ALTER MINING STRUCTURE [New Mailing]  
ADD MINING MODEL [Naive Bayes Women]  
(  
    CustomerKey,   
    Gender,  
    [Number Cars Owned],  
    [Bike Buyer] PREDICT  
)  
USING Microsoft_Naive_Bayes  
WITH FILTER([Gender] = 'F' AND [Age] >50)  

다음 예에서는 시장 바구니 마이닝 구조의 수정된 버전에 마이닝 모델을 추가합니다. 예제에서 사용 되는 마이닝 구조를 추가 하도록 수정 되었습니다는 지역 고객 지역에 대 한 특성을 포함 하는 열 및 Income Group 열 값을 사용 하 여 고객의 소득을 분류 높은, 보통, 또는 낮은합니다.

이 마이닝 구조에는 고객이 구매한 항목을 나열하는 중첩 테이블도 포함되어 있습니다.

마이닝 구조에 중첩 테이블이 포함되어 있으므로 사례 테이블, 중첩 테이블 또는 두 테이블 모두에 대한 필터를 정의할 수 있습니다. 이 예에서는 Road Tire 모델 중 하나를 구매한 부유한 유럽 고객으로 사례를 제한하기 위해 사례 필터와 중첩 행 필터를 결합합니다.

ALTER MINING STRUCTURE [Market Basket with Region and Income]  
ADD MINING MODEL [Decision Trees]  
(  
    CustomerKey,   
    Region,  
    [Income Group],  
    [Product] PREDICT (Model)   
WITH FILTER (EXISTS (SELECT * FROM [v Assoc Seq Line Items] WHERE   
 [Model] = 'HL Road Tire' OR  
 [Model] = 'LL Road Tire' OR  
 [Model] = 'ML Road Tire' )  
)  
) WITH FILTER ([Income Group] = 'High' AND [Region] = 'Europe')  
USING Microsoft_Decision Trees  

Data Mining Extensions (DMX) 데이터 정의 문
Data Mining Extensions (DMX) 데이터 조작 문
Data Mining Extensions (DMX) 문 참조

커뮤니티 추가 항목

추가
표시: