Önbelleğin Bayes Model sorgulama (- Analysis Services veri madenciliği)

Veri madenciliği şema satır kümesi sorgulayarak, model için meta veriler bulabilirsiniz.Model oluşturulduğu zaman, modeli son işlendiği zaman modelin temel araştırma yapısı adını ve öngörülebilir bir öznitelik olarak kullanılan sütunları adını içerebilir.Model oluşturulduğunda kullanılan parametreleri de döndürebilir.

SELECT MODEL_CATALOG, MODEL_NAME, DATE_CREATED, LAST_PROCESSED,
SERVICE_NAME, PREDICTION_ENTITY, FILTER
FROM $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'TM_NaiveBayes_Filtered'

Örnek sonuçlar:

Bu örnek için kullanılan modeli oluşturmak, önbelleğin Bayes modeli esas Temel veri madenciliği öğreticisi, ikinci öngörülebilir bir öznitelik eklemek ve eğitim veri. için filtre uygulama tarafından değiştirildi, ancak

Başa dön

Önbelleğin Bayes modelinde, Marjinal istatistikleri düğüm dağıtım eğitim veri değerleri hakkında toplanan bilgileri depolar.Bu Özet, uygun olan ve aynı bilgileri bulmak için eğitim verileri sql sorgularını oluşturmak zorunda kalmazsınız.

Aşağıdaki örnek düğümünden verileri almak için dmx içerik sorgu kullanır (node_type = 24).İstatistikleri iç içe geçmiş tablo içinde saklandığından, sonuçlar görüntülemek daha kolay hale getirmek için flattened anahtar sözcüğü kullanılır.

SELECT FLATTENED MODEL_NAME,
(SELECT ATTRIBUTE_NAME, ATTRIBUTE_VALUE, [SUPPORT], [PROBABILITY], VALUETYPE FROM NODE_DISTRIBUTION) AS t
FROM TM_NaiveBayes.CONTENT
WHERE NODE_TYPE = 26

Kısmi sonuçlar:

Örneğin, bu sonuçlar, ayrı her değer için eğitim durumlarda sayısı söylemek (valuetype = 4), düzeltilmiş değerleri eksik hesaplanan olasılık ile birlikte (valuetype = 1).

NODE_DISTRIBUTION'de verilen değerleri bir tanımı için tablo bir önbelleğin Bayes modeli Bkz: Önbelleğin Bayes modeller için içerik modeli mining (Analysis Services - veri madenciliği).Değerleri eksik destek ve olasılık hesaplamaları nasıl etkileneceği hakkında daha fazla bilgi için bkz: Değerleri eksik (Analysis Services - veri madenciliği).

Başa dön

Önbelleğin Bayes modeli genellikle değişik özellikleri arasındaki ilişki hakkında karmaşık bilgi içerdiğinden, bu ilişkileri görüntülemek için en kolay yolu kullanmaktır Önbelleğin Bayes Görüntüleyici Microsoft.Ancak, verileri döndürmek için dmx sorguları oluşturabilirsiniz.

Aşağıdaki örnek modelinden belirli bir öznitelik hakkında bilgi almak nasıl gösterir Region.

SELECT NODE_TYPE, NODE_CAPTION, 
NODE_PROBABILITY, NODE_SUPPORT, MSOLAP_NODE_SCORE
FROM TM_NaiveBayes.CONTENT
WHERE ATTRIBUTE_NAME = 'Region'

Bu sorgu düğümleri iki tür döndürür: Giriş özniteliği gösteren düğümü (node_type = 10) ve her değeri öznitelik düğümleri (node_type = 11).Resim yazısı öznitelik adı ve öznitelik değerinin gösterildiğinden düğüm resim yazısı düğüm adı yerine düğümü tanımlamak için kullanılır.

Düğümün olasılık puan ve düğüm değerlerini destek gibi bazı düğümler depolanan sütunlar, Marjinal istatistikleri düğümlerden alabilirsiniz aynıdır.Ancak msolap_node_score yalnızca giriş öznitelik düğümleri için sağlanan özel bir değerdir ve bu modeli özniteliği göreli önemini belirtir.Görüntüleyici bağımlılık ağ bölmede çok aynı bilgileri görebilirsiniz; Ancak, Görüntüleyici puanlarını sağlamaz.

Aşağıdaki sorgu tüm öznitelikler önem skorları modelde döndürür:

SELECT NODE_CAPTION, MSOLAP_NODE_SCORE
FROM TM_NaiveBayes.CONTENT
WHERE NODE_TYPE = 10
ORDER BY MSOLAP_NODE_SCORE DESC

Örnek sonuçlar:

Modeli içeriği göz atarak Microsoft Genel içerik ağacı Görüntüleyici, hangi istatistiklerin ilginç olabilir hakkında daha iyi bir fikir elde edersiniz.Basit bazı örnekler aşağıda gösterilen; daha sık, gerekebilir yürütmek çok sorgular veya sonuçlar depolamak ve bunları istemci üzerinde işlem.

Başa dön

İçerik sorguları yazma yanı sıra sonuçlar keşfetmek için bazı Analysis Services sistem saklı yordamları kullanabilirsiniz.Kullanmak için bir sistem saklı yordamı, arama anahtar sözcüğü ile saklı yordam adı öneki:

CALL GetPredictableAttributes ('TM_NaiveBayes')

Kısmi sonuçlar:

Analysis Services hakkında daha fazla bilgi için sistem saklı yordamları, bkz: Veri madenciliği depolanan yordamlar (Analysis Services - veri madenciliği).

Başa dön

Bu özelliklere sahip bir müşteri büyük olasılıkla bir bisiklet satın almak mi bir singleton sorgu tahmin ve yeni bir değer sağlamak için aşağıdaki sorguyu kullanır temel model üzerinde.Kullanarak bir regresyon modeli bir singleton sorgu oluşturmak için en kolay yolu olan Singleton sorgu giriş iletişim kutusu.Örneğin, aşağıdaki dmx sorgu seçerek oluşturabilir TM_NaiveBayes modeli seçme Singleton sorgu, açılan listeden değer seçerek listeler ve [Commute Distance] ve Gender.

SELECT
  Predict([TM_NaiveBayes].[Bike Buyer])
FROM
  [TM_NaiveBayes]
NATURAL PREDICTION JOIN
(SELECT '5-10 Miles' AS [Commute Distance],
  'F' AS [Gender]) AS t

Örnek sonuçlar:

Tahmin işlev verir en olası değer, bu durumda, 0, müşteri bu tür bir bisiklet satın alma olasılığınız anlamına gelir.

Başa dön

Bir sonucunu tahmin etmek yanında, sık sık öngörü nasıl güçlü olduğunu bilmek istersiniz.Aşağıdaki sorgu önceki örnekle aynı singleton sorgu kullanır, ancak tahmin işlev ekler 'ınPredictHistogram (dmx)istatistikleri içeren iç içe geçmiş tablo dönmek içinöngörü.

SELECT
  Predict([TM_NaiveBayes].[Bike Buyer]),
  PredictHistogram([TM_NaiveBayes].[Bike Buyer])
FROM
  [TM_NaiveBayes]
NATURAL PREDICTION JOIN
(SELECT '5-10 Miles' AS [Commute Distance],
  'F' AS [Gender]) AS t

Örnek sonuçlar:

Son satırda tablo destek ve olasılık eksik değer ayarlamaları gösterir.Varyans ve standart sapma değerleri, her zaman 0, önbelleğin Bayes modeller sürekli değerleri model olamaz çünkü.

Başa dön

Araştırma yapısı iç içe geçmiş tablo anahtar olarak öngörülebilir öznitelik içeriyorsa Microsoft önbelleğin Bayes algoritması ilişki analizi için kullanılabilir.Örneğin, önbelleğin Bayes modelini kullanarak oluşturacağınız araştırma yapısı oluşturulan Ders 3: Pazar sepeti senaryo (Ara veri madenciliği Öğreticisi) oluşturma veri madenciliği öğreticisi.Bu örnekte kullanılan modeli durumda gelir ve müşteri bölge hakkında bilgi eklemek için değiştirildiği tablo.

Ürün satınalma işlemleri için ilgili ürünler öngörür bir singleton sorgu aşağıdaki sorgu örnek gösterir 'Road Tire Tube'.Müşteri belirli bir tür ürünleri önermek için bu bilgileri kullanabilir.

SELECT   PredictAssociation([Association].[v Assoc Seq Line Items])
FROM [Association_NB]
NATURAL PREDICTION JOIN
(SELECT 'High' AS [Income Group],
  'Europe' AS [Region],
  (SELECT 'Road Tire Tube' AS [Model]) 
AS [v Assoc Seq Line Items]) 
AS t

Kısmi sonuçlar:

Başa dön