查詢時序群集模型 (Analysis Services - 資料採礦)

您可以藉由查詢資料採礦結構描述資料列集來尋找有關模型的各種資訊，包括基本中繼資料、此模型建立的日期和時間、上次處理此模型的日期和時間、此模型所依據之採礦結構的名稱，以及當做可預測屬性使用的資料行。

下列查詢會傳回用於建立和定型模型 [Sequence Clustering] 的參數。您可以在＜資料採礦基本教學課程＞的第 5 課中建立此模型。

SELECT MINING_PARAMETERS 
from $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'Sequence Clustering'

範例結果：

請注意，此模型是使用 CLUSTER_COUNT 的預設值 10 來建立的。當您針對 CLUSTER_COUNT 指定非零的群集數目時，此演算法會將此數目視為要尋找之約略群集數目的提示。不過，在分析時，此演算法可能會找到更多或更少的群集。在此情況下，此演算法會發現 15 個群集最適合定型資料。因此，已完成模型的參數值清單會報告此演算法決定的群集計數，而不是建立模型時傳入的值。

此行為與讓演算法決定最佳的群集數目有什麼不同？您可以做一個試驗，建立另一個使用這個相同資料的群集模型，但將 CLUSTER_COUNT 設定為 0。此時，演算法會偵測到 32 個群集。因此，您可以透過使用 CLUSTER_COUNT 的預設值 10 來限制結果的數目。

預設使用 10 這個值，因為減少群集數目會讓多數人更容易瀏覽與了解資料中的群組。不過，每個模型和資料集都不同。您可能想要試驗不同的群集數目以查看哪個參數值會產生最精確的模型。

回頁首

採礦模型內容會將定型資料中找到的時序儲存為結合其他所有相關狀態之清單的第一個狀態。第一個狀態會當做時序的標籤使用，而後續的相關狀態則稱為轉換。

例如，下列查詢會在時序分組到群集之前，傳回模型中第一個狀態的完整清單。您可以傳回模型根節點當做父系 (PARENT_UNIQUE_NAME = 0) 之時序 (NODE_TYPE = 13) 的清單，藉以取得此清單。FLATTENED 關鍵字會讓結果更容易讀取。

SELECT FLATTENED NODE_UNIQUE_NAME,
(SELECT ATTRIBUTE_VALUE AS [Product 1],
[Support] AS [Sequence Support], 
[Probability] AS [Sequence Probability]
FROM NODE_DISTRIBUTION) AS t
FROM [Sequence Clustering].CONTENT
WHERE NODE_TYPE = 13
AND [PARENT_UNIQUE_NAME] = 0

部分結果：

模型中的時序清單永遠依字母的遞增順序排序。時序的排序相當重要，因為您可以查看時序的排序數字尋找相關的轉換。Missing 值一定是轉換 0。

例如，在先前的結果中，產品 "Women's Mountain Shorts" 在模型中是時序編號 37。您可以使用該資訊檢視在 "Women's Mountain Shorts" 後曾經購買的所有產品。

若要這樣做，首先，您要參考先前查詢中，針對 NODE_UNIQUE_NAME 傳回的值，藉以取得包含模型所有時序之節點的識別碼。然後您要將此值傳遞到查詢中，當做父節點的識別碼，藉以僅取得此節點中所包含的轉換，而此節點中恰好就包含模型之所有時序的清單。不過，如果您要查看特定群集之轉換的清單，您可以傳入群集節點的識別碼，然後僅查看與該群集關聯的時序。

SELECT NODE_UNIQUE_NAME
FROM [Sequence Clustering].CONTENT
WHERE NODE_DESCRIPTION = 'Transition row for sequence state 37'
AND [PARENT_UNIQUE_NAME] = '1081327'

範例結果：

以此識別碼表示的節點包含 "Women's Mountain Shorts" 產品後之時序的清單，以及支援與機率的值。

SELECT FLATTENED
(SELECT ATTRIBUTE_VALUE AS Product2,
[Support] AS [P2 Support],
[Probability] AS [P2 Probability]
FROM NODE_DISTRIBUTION) AS t
FROM [Sequence Clustering].CONTENT
WHERE NODE_UNIQUE_NAME = '1081365'

範例結果：

請注意，與 Women's Mountain Shorts 相關之各種時序的支援在模型中為 506。轉換的支援值最多可以增加到 506。不過，這些數目並不是完整的數目，如果您希望支援只表示包含每個轉換之案例的計數，這似乎有點多。但是，因為建立群集的方法會計算部分成員資格，群集中任何轉換的機率都必須透過屬於該特定群集的機率加權。

例如，如果有四個群集，特定時序屬於群集 1 的機會可能有 40%，屬於群集 2 的機會有 30%，屬於群集 3 的機會有 20%，而屬於群集 3 的機會有 10%。在演算法決定轉換可能所屬的群集之後，會在群集中透過群集優先機率加權機率。

回到頁首

您可以從這些查詢範例中了解，儲存在模型中的資訊相當複雜，而且您可能需要建立多個查詢，才能取得所需的資訊。不過，Microsoft 時序群集檢視器會提供一組強大的工具，可以用圖形化的方式瀏覽包含在時序群集模型中的資訊，而且您也可以使用檢視器查詢與向下鑽研模型。

在多數的情況下，呈現在 Microsoft 時序群集檢視器中的資訊是使用 Analysis Services 系統預存程序所建立，用於查詢模型。您可以根據模型內容撰寫資料採礦延伸模組 (DMX) 查詢來擷取相同的資訊，但是 Analysis Services 系統預存程序會再瀏覽或測試模型時提供一個方便的捷徑。

本節提供一些如何使用系統預存程序，根據時序群集模型建立查詢的範例：

群集設定檔與範例案例

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetNodeGraph('Sequence Clustering','12',0)

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetNodeGraph('Sequence Clustering','',0)

SELECT * FROM [Sequence Clustering].SAMPLE_CASES WHERE IsInNode('12')

群集特性與群集辨識

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetClusterCharacteristics('Sequence Clustering','12',0.0005)

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetClusterCharacteristics('Sequence Clustering','',0.0005)

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetClusterDiscrimination('Sequence Clustering','1','12',0.0005,true)

狀態與轉換

您可以使用 PredictSequence (DMX) 函數來預測給定值下一個最可能的狀態。您也可以預測多個後續狀態：例如，您可以傳回客戶可能購買的前三個產品的清單來顯示建議清單。

下列範例查詢是單一預測查詢，可傳回前五個預測及其機率。由於模型中包含巢狀資料表，因此您在進行預測時，必須使用巢狀資料表 [v Assoc Seq Line Items] 做為資料行參考。同時，當您提供值做為輸入時，您必須同時加入案例資料表與巢狀資料表資料行，如巢狀 SELECT 陳述式所示。

SELECT FLATTENED PredictSequence([v Assoc Seq Line Items], 7)
FROM [Sequence Clustering]
NATURAL PREDICTION JOIN
(SELECT  (SELECT 1 as [Line Number],
   'All-Purpose Bike Stand' as [Model]) AS [v Assoc Seq Line Items]) 
AS t

範例結果：

即使您只預期有一個資料行，結果中仍有三個資料行，因為查詢永遠會為案例資料表傳回一個資料行。此處的結果已扁平化，否則，查詢將會傳回包含兩個巢狀資料表資料行的單一資料行。

$sequence 資料行是 PredictSequence 函數預設傳回的資料行，可排序預測結果。在模型中比對時序索引鍵時需要 [Line Number] 資料行，但是不會輸出這些索引鍵。

有趣的是，All-Purpose Bike Stand 後的前幾個預測時序為 Cycling Cap 和 Cycling Cap。這不是錯誤。根據資料呈現給客戶的方式，以及定型模型時的分組方式，很可能有這種時序。例如，如果沒有辦法指定數量，客戶可能會購買一個 Cycling Cap (紅色)，然後又購買另一個 Cycling Cap (藍色)，或者在一個資料列同時購買兩個。

資料列 6 和 7 中的值為預留位置。當您到達可能轉換之鏈結的結尾時，當做輸入傳遞的值會加入到結果中，而非終止預測結果。例如，如果您將預測的數目增加到 20，資料列 6-20 的值將會相同，也就是 All-Purpose Bike Stand。

回到頁首