Bir ilişki modeli sorgulama (- Analysis Services veri madenciliği)

Bir veri karşı bir sorgu oluşturduğunuzda, araştırma modeli, kurallar ve analiz sırasında keşfedilen itemsets hakkında ayrıntılı bilgi sağlayan ya da bir içerik sorgu oluşturabilir veya veri keşfedilen ilişkiler Öngörüler yapmak için kullandığı bir tahmin sorgu oluşturabilirsiniz.Bir ilişkilendirme modelini Öngörüler genelde kurallara dayalı ve içerik sorguları genellikle itemsets arasındaki ilişkiyi keşfetmek oysa öneriler yapmak için kullanılabilir.Modeli hakkında meta veriler de alabilirsiniz.

Bu bölümde bu tür dayalı modelleri için sorgular oluşturmak açıklar Microsoft ilişkilendirme kuralları algoritması.

İçerik sorguları

dmx kullanarak modeli meta veriler alma

Şema satır kümesi meta veriler alma

Modeli için özgün Parametreler alınıyor

İtemsets ve ürünler listesi alınıyor

En iyi 10 itemsets döndürme

Tahmin sorgular

İlişkili öğeleri tahmin etmek

İlgili itemsets için GÜVENİRLİK belirleme

Modeli hakkında bilgi bulma

Tüm veri madenciliği modelleri algoritmasına göre araştırma modeli şema satır kümesi adlı standartlaştırılmış bir şema tarafından öğrenilen içerik açarsınız.Veri madenciliği Extensions (dmx) deyimleri veya kullanarak araştırma modeli şema satır kümesi sorguları oluşturmak Analysis Services saklı yordamlar.De SQL Server 2008, siz de doğrudan olarak kullanarak sistem tabloları şema satır kümeleri sorgulamabir sql benzeri sözdizimini.

Örnek sorgu 1: dmx kullanarak modeli meta veri alma

İlişkilendirme modelini hakkında temel meta veriler aşağıdaki sorgu döndürür Association, modeli, model depolandığı veritabanının adını ve modeli. alt düğümlerin sayısı gibiBu sorgu, modelin Ana düğümden meta veriler almak için dmx içerik sorgu kullanır:

SELECT MODEL_CATALOG, MODEL_NAME, NODE_CAPTION, 
NODE_SUPPORT, [CHILDREN_CARDINALITY], NODE_DESCRIPTION
FROM Association.CONTENT
WHERE NODE_TYPE = 1

Not

CHILDREN_CARDINALITY, sütun adı aynı adı ayrılmış mdx anahtar sözcük ayırmak için ayraç içine almalısınız.

Örnek sonuçlar:

MODEL_CATALOG

İlişki sınaması

MODEL_ADI

İlişkilendirme

NODE_CAPTION

İlişki kurallar modeli

NODE_SUPPORT

14879

CHILDREN_CARDINALITY

942

NODE_DESCRIPTION

İlişkilendirme kuralları modeli; ITEMSET_COUNT = 679; RULE_COUNT = 263; MIN_SUPPORT = 14; MAX_SUPPORT = 4334; MIN_ITEMSET_SIZE = 0; MAX_ITEMSET_SIZE = 3; MIN_PROBABILITY = 0.400390625; MAX_PROBABILITY = 1; MIN_LIFT = 0.14309369632511; MAX_LIFT = 1.95758227647523

Bu sütunları bir ilişkilendirme modelini anlamı bir tanım için bkz: Birliği modeller için içerik modeli mining (Analysis Services - veri madenciliği).

Başa dön

Örnek sorgu 2: Şema satır kümesi ' ek meta veri alma

Veri madenciliği şema satır kümesi sorgulayarak bir dmx içerik sorgu döndürülen aynı bilgileri bulabilirsiniz.Ancak, işlendiği modeli son tarih gibi araştırma yapısı ve öngörülebilir öznitelik olarak kullanılan sütun adını bazı ek sütunlar şema satır kümesi sağlar.

SELECT MODEL_CATALOG, MODEL_NAME, SERVICE_NAME, PREDICTION_ENTITY, 
MINING_STRUCTURE, LAST_PROCESSED
FROM $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'Association'

Örnek sonuçlar:

MODEL_CATALOG

AdventureWorks dw

MODEL_ADI

İlişkilendirme

HİZMET_ADI

İlişki kurallar modeli

PREDICTION_ENTITY

v Assoc Seq satırı öğeler

MINING_STRUCTURE

İlişkilendirme

LAST_PROCESSED

29/9/2007 10:21:24 PM

Başa dön

Örnek sorgu 3: Modeli için özgün Parametreler alınıyor

Aşağıdaki sorgu model oluşturulduğu zaman kullanılmış olan parametre ayarları ayrıntılarını içeren tek bir sütun döndürür.

SELECT MINING_PARAMETERS 
from $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'Association'

Örnek sonuçlar:

MAXIMUM_ITEMSET_COUNT = 200000, MAXIMUM_ITEMSET_SIZE 3, MAXIMUM_SUPPORT = 1, MINIMUM_SUPPORT = 9.40923449156529E =-04, MINIMUM_IMPORTANCE =-999999999, MINIMUM_ITEMSET_SIZE = 0, MINIMUM_PROBABILITY 0.4 =

Başa dön

Kurallar ve Itemsets hakkında bilgi bulma

Bir ilişkilendirme modelini iki ortak kullanımları vardır: sık sık itemsets hakkında bilgi bulabilir ve belirli kurallar ve itemsets hakkında ayrıntılı bilgi ayıklamak için.Örneğin, özellikle ilginç olacak şekilde temel kuralları listesi ayıklamak istediğiniz veya sık itemsets listesi oluşturun.dmx içerik sorgu kullanarak bu tür bilgileri almak.Siz de bu bilgileri kullanarak göz atabilirsiniz Microsoft ilişkilendirme Görüntüleyicisi.

Örnek sorgu 4: Itemsets ve ürünler listesi alınıyor

Aşağıdaki sorgu tüm içinde her itemset dahil olan ürünleri listeler iç içe geçmiş bir tablo ile birlikte itemsets alır.NODE_CAPTION öğelerin bir metin açıklaması sağlar ama node_name sütun itemset modeli içinde benzersiz Kimliğini içerir.İki ürün içeren bir itemset sonuçlar iki satır oluşturur böylece bu örnekte iç içe geçmiş tablo, düzleştirilir.Varsa flattened anahtar sözcüğünü atlarsanız, istemci hiyerarşik verileri destekler.

SELECT FLATTENED NODE_NAME, NODE_CAPTION,
NODE_PROBABILITY, NODE_SUPPORT,
(SELECT ATTRIBUTE_NAME FROM NODE_DISTRIBUTION) as PurchasedProducts
FROM Association.CONTENT
WHERE NODE_TYPE = 7

Örnek sonuçlar:

NODE_NAME

37

NODE_CAPTION

Spor-100 = var

NODE_PROBABILITY

0.291283016331743

NODE_SUPPORT

4334

PURCHASEDPRODUCTS.ÖZNİTELİK_ADÝ

v Assoc Seq satırı Items(Sport-100)

Başa dön

Örnek sorgu 5: Üst 10 Itemsets döndürme

Bu örnek, bazı gruplandırma ve sıralamayı varsayılan olarak dmx sağlar işlevleri kullanımı gösterilmiştir.Sorguyu her düğüm için destek tarafından sipariş ettiğinizde üst 10 itemsets döndürür.Transact-sql gibi açıkça Grup sonuçlar gerekmez unutmayın; Ancak, yalnızca bir kez kullanabilirsiniz toplu işlev her sorgu.

SELECT TOP 10 (NODE_SUPPORT),NODE_NAME, NODE_CAPTION
FROM Association.CONTENT
WHERE NODE_TYPE = 7

Örnek sonuçlar:

NODE_SUPPORT

4334

NODE_NAME

37

NODE_CAPTION

Spor-100 = var

Başa dön

Öngörüler modelini kullanarak yapma

Bir ilişkilendirme kuralları modelini sık sık itemsets içinde bulunan korelasyonlarını'temel öneriler oluşturmak için kullanılır.Therefore, when you create a prediction query based on an association rules model, you are typically using the rules in the model to make guesses based on new data.PredictAssociation (dmx) is the function that returns recommendations, and has several arguments that you can use to customize the query results.

Burada bir ilişkilendirme modelini sorgulamaları yararlı olabilir başka bir çapraz satış stratejileri farklı verimliliğini karşılaştırabilirsiniz çeşitli kurallar ve itemsets güven dönmek örnektir.Aşağıdaki örnekler gibi sorguları oluşturmak nasıl gösterilmektedir.

Örnek sorgu 6: İlişkili öğeleri tahmin etmek

Bu örnekte, temel veri Mining öğretici oluşturulan ilişkilendirme modelini kullanır.Bu, belirli bir ürünü satın almış bir müşteri için önermek için hangi ürünleri anlatan bir tahmin sorgu oluşturmak gösterilmiştir.Bu tür sorgu, değer modeli için verdiğiniz bir SELECT…UNION deyim olarak adlandırılan bir singleton sorgu.Yeni değerlerine karşılık gelen modeli öngörülebilir sütun iç içe geçmiş bir tablo olduğundan, bir kullanmanız gerekir SELECT yan tümce tümce tümcende iç içe geçmiş tablo sütun için yeni bir değer eşleme için [Model]ve başka bir durum - için iç içe geçmiş tablo sütun eşlemekSELECT yan tümce tümcedüzey sütun, [v Assoc Seq Line Items].Anahtar sözcük ekle İSTATİSTİKLERİ sorguya ekleyerek Bkz: olasılık ve öneriler için destek sağlar.

SELECT PredictAssociation([Association].[vAssocSeqLineItems],INCLUDE_STATISTICS, 3)
FROM [Association]
NATURAL PREDICTION JOIN 
(SELECT
(SELECT 'Classic Vest' as [Model])
AS [v Assoc Seq Line Items])
AS t

Örnek sonuçlar:

Model

$DESTEK

$OLASILIK

$ADJUSTEDPROBABILITY

Spor-100

4334

0.291283

0.252696

Su şişe

2866

0.19262

0.175205

Düzeltme paketi

2113

0.142012

0.132389

Başa dön

Örnek sorgu 7: İlgili Itemsets için GÜVENİRLİK belirleme

İtemsets kuralları öneriler oluşturmak için yararlı olduğu yerde, daha ilginç örüntüler daha derin çözümlenmesi için veri küme.Örneğin, için a ürünü içeren itemsets diğer incelemek önceki örnek sorgu tarafından döndürülen önerisi ile memnun değil, kişiler ile her türlü ürün satın eğilimindedir Donatılardan a ürünü olup olmadığı hakkında daha iyi bir fikir elde edebilirsiniz, veya olup belirli ürünler satınalmalarda a kesinlikle bağıntılı.İçinde itemsets filtre uygulayarak bu ilişkileri keşfetmek için en kolay yolu olan Microsoft İlişkilendirme Görüntüleyicisi; Bununla birlikte, bir sorgu ile aynı bilgileri alabilirsiniz.

Aşağıdaki örnek sorgu tümünü verir öğesu şişe içeren kümeleri öğe, tek dahil olmak üzere öğe su Şişesi.

SELECT TOP 100 FROM 
(
SELECT FLATTENED NODE_CAPTION, NODE_SUPPORT, 
(SELECT ATTRIBUTE_NAME from NODE_DISTRIBUTION
WHERE ATTRIBUTE_NAME = 'v Assoc Seq Line Items(Water Bottle)') as D
FROM Association.CONTENT
WHERE NODE_TYPE = 7
) AS Items
WHERE [D.ATTRIBUTE_NAME] <> NULL
ORDER BY NODE_SUPPORT DESC

Örnek sonuçlar:

NODE_CAPTION

NODE_SUPPORT

D.ATTRIBUTE_NAME

Su şişe varolan =

2866

v Assoc Seq satırı öğeler (su şişe)

Dağ şişe kafesi = varolan, su şişe varolan =

1136

v Assoc Seq satırı öğeler (su şişe)

Road şişe kafesi = varolan, su şişe varolan =

1068

v Assoc Seq satırı öğeler (su şişe)

Su şişe varolan, spor-100 = varolan =

734

v Assoc Seq satırı öğeler (su şişe)

Bu sorgu her iki satır yuvalanmış döndürür tablo ölçütlere uyan ve tüm satırları dışarıdan veya büyük/küçük harf tablo.Bu nedenle, hedef öznitelik adı için null bir değere sahip durum tablo satırları ortadan kaldıran bir koşul eklemeniz gerekir.

Başa dön

Fonksiyon listesi

Tüm Microsoft algoritmaları desteği ortak küme işlevleri.Ancak, Microsoft ilişkilendirme algoritması aşağıdaki tablo. listelenen ek işlevleri destekler