Занятие 3: Обработка структуры интеллектуального анализа данных «Потребительская корзина»

Применимо к: SQL Server 2016 Preview

На этом занятии будет использоваться INSERT INTO ( расширений интеллектуального анализа данных ) инструкции и vAssocSeqLineItems и vAssocSeqOrders из AdventureWorksDW2012 образца базы данных для обработки структур интеллектуального анализа данных и моделей интеллектуального анализа данных, созданных в занятия 1: Создание структуры интеллектуального анализа данных «Потребительская корзина» и Урок 2: добавление моделей интеллектуального анализа данных к структуре интеллектуального анализа «Потребительская корзина».

При обработке структуры интеллектуального анализа данных службы Службы Analysis Services считывают исходные данные и создают структуры, поддерживающие модели интеллектуального анализа данных. При обработке модели интеллектуального анализа данных, данные, определенные структурой интеллектуального анализа данных, обрабатываются выбранным алгоритмом интеллектуального анализа данных. Алгоритм находит тренды и шаблоны и сохраняет эти данные в модели интеллектуального анализа данных. Поэтому в модели интеллектуального анализа данных содержатся не фактические исходные данные, а данные, выявленные алгоритмом. Дополнительные сведения об обработке моделей интеллектуального анализа данных см. в разделе обработки требования и соображения ( интеллектуального анализа данных ).

Повторная обработка структуры интеллектуального анализа данных нужна только в случае, когда изменяются столбцы структуры или исходные данные. При добавлении модели интеллектуального анализа данных к уже обработанной структуре интеллектуального анализа данных можно использовать INSERT INTO MINING MODEL инструкции для обучения новой модели интеллектуального анализа данных на основе существующих данных.

Так как структура интеллектуального анализа данных «Потребительская корзина» содержит вложенную таблицу, будет необходимо определить столбцы интеллектуального анализа данных, которые нужно обучить с помощью структуры этой таблицы и использовать ФИГУРЫ команду, чтобы определить запросы, которые получат обучающие данные из исходных таблиц.

Инструкция INSERT INTO

Для обучения структуры интеллектуального анализа данных «Потребительская корзина» и связанные с ней модели используется INSERT INTO ( расширений интеллектуального анализа данных ) инструкции. Код инструкции можно разбить на следующие части.

• Определение структуры интеллектуального анализа данных

• Список столбцов структуры интеллектуального анализа

• Определение обучающих данных с помощью ФИГУРЫ

Далее приведен общий пример инструкции INSERT INTO :

INSERT INTO MINING STRUCTURE [<mining structure name>]  
(  
   <mining structure columns>  
   [<nested table>]  
   ( SKIP, <skipped column> )  
)  
SHAPE {  
  OPENQUERY([<datasource>],'<SELECT statement>') }  
APPEND  
(   
  {OPENQUERY([<datasource>],'<nested SELECT statement>')  
}  
RELATE [<case key>] TO [<foreign key>]  
) AS [<nested table>]  

В первой строчке кода задается структура интеллектуального анализа данных, которую необходимо обучить:

INSERT INTO MINING STRUCTURE [<mining structure name>]  

Следующие строки кода указывают столбцы, определенные структурой интеллектуального анализа данных. Необходимо перечислить все столбцы структуры интеллектуального анализа данных, и каждый столбец должен сопоставляться с каким-либо столбцом из данных исходного запроса. Можно использовать Пропустить пропускать столбцы, существующие в исходных данных, но не существуют в структуре интеллектуального анализа данных. Дополнительные сведения об использовании Пропустить, в разделе INSERT INTO ( расширений интеллектуального анализа данных ).

(  
   <mining structure columns>  
   [<nested table>]  
   ( SKIP, <skipped column> )  
)  

Последние строки кода определяют данные, которые будут использованы для обучения структуры интеллектуального анализа данных. Поскольку источник данных содержится в двух таблицах, будет использоваться ФИГУРЫ для их связывания.

SHAPE {  
  OPENQUERY([<datasource>],'<SELECT statement>') }  
APPEND  
(   
  {OPENQUERY([<datasource>],''<nested SELECT statement>'')  
}  
RELATE [<case key>] TO [<foreign key>]  
) AS [<nested table>]  

На этом занятии требуется определить исходные данные с помощью инструкции OPENQUERY . Сведения о других способах задания запроса источника данных в разделе < запросом источника данных >.

Задачи занятия

На этом занятии требуется выполнить следующую задачу:

• Обработка структуры интеллектуального анализа данных «Потребительская корзина»

Обработка структуры интеллектуального анализа данных «Потребительская корзина»

Обработка структуры интеллектуального анализа данных с помощью инструкции INSERT INTO

1. В обозревателя объектов, щелкните правой кнопкой мыши экземпляр Службы Analysis Services, пункты новый запрос, а затем нажмите кнопку расширений интеллектуального анализа данных.

   Откроется редактор запросов, содержащий новый, пустой запрос.

2. Скопируйте стандартный пример использования инструкции INSERT INTO в пустое окно запроса.

3. Вместо

   [<mining structure>]  
   

   вставьте

   Market Basket  
   

4. Вместо

   <mining structure columns>  
   [<nested table>]  
   ( SKIP, <skipped column> )  
   

   вставьте

   [OrderNumber],  
   [Products]   
   (SKIP, [Model])  
   

   В операторе продукты ссылается на таблицы продуктов, определенной инструкцией SHAPE. Пропустить используется для пропуска столбца модели, которая существует в источнике данных в качестве ключа, но не используется структурой интеллектуального анализа данных.

5. Вместо

   SHAPE {  
     OPENQUERY([<datasource>],'<SELECT statement>') }  
   APPEND  
   (   
     {OPENQUERY([<datasource>],'<nested SELECT statement>')  
   }  
   RELATE [<case key>] TO [<foreign key>]  
   ) AS [<nested table>]  
   

   вставьте

   SHAPE {  
     OPENQUERY([Adventure Works DW],'SELECT OrderNumber  
               FROM vAssocSeqOrders ORDER BY OrderNumber')}  
   APPEND  
   (   
     {OPENQUERY([Adventure Works DW],'SELECT OrderNumber, Model FROM   
       dbo.vAssocSeqLineItems ORDER BY OrderNumber, Model')  
   }  
   RELATE OrderNumber to OrderNumber   
   ) AS [Products]  
   

   Исходный запрос ссылается на AdventureWorksDW2012 источника данных, определенного в AdventureWorksDW2012 образца проекта. Он использует этот источник данных для доступа к представлениям vAssocSeqLineItems и vAssocSeqOrders. Эти представления содержат исходные данные, которые будут использованы для обучения модели интеллектуального анализа данных. Если вы не создали этот проект или представления, в разделе основам интеллектуального анализа данных.

   В пределах ФИГУРЫ команда будет использовать OPENQUERY для определения двух запросов. Первый запрос определяет родительскую таблицу, второй — вложенную. Две таблицы связаны с помощью столбца OrderNumber, который присутствует в обеих таблицах.

   Полная инструкция теперь должна выглядеть следующим образом.

   INSERT INTO MINING STRUCTURE [Market Basket]  
   (  
      [OrderNumber],[Products] (SKIP, [Model])  
   )  
   SHAPE {  
     OPENQUERY([Adventure Works DW],'SELECT OrderNumber  
               FROM vAssocSeqOrders ORDER BY OrderNumber')}  
   APPEND  
   (   
     {OPENQUERY([Adventure Works DW],'SELECT OrderNumber, Model FROM   
       dbo.vAssocSeqLineItems ORDER BY OrderNumber, Model')  
   }  
   RELATE OrderNumber to OrderNumber   
   ) AS [Products]  
   

6. В меню Файл щелкните Сохранить DMXQuery1.dmx как.

7. В Сохранить как диалоговом перейдите к соответствующей папке и присвойте файлу имя Обработка потребительской корзины.DMX.

8. На панели инструментов нажмите кнопку Выполнить .

После завершения выполнения запроса можно просмотреть найденные закономерности и наборы элементов, просмотреть взаимосвязи или фильтровать результаты в зависимости от набора элементов, вероятности или важности. Для просмотра этих сведений в SQL Server Management Studio, щелкните правой кнопкой мыши имя модели данных и нажмите кнопку Обзор.

В следующем занятии будут созданы несколько прогнозов, основанных на моделях интеллектуального анализа данных, которые были добавлены в структуру «Потребительская корзина».

Следующее занятие

Занятие 4: Выполнение прогнозов потребительской корзины