SKAPA MINING-MODELL (DMX)

gäller för: SQL Server Analysis Services

Skapar både en ny mining-modell och en mining-struktur i databasen. Du kan skapa en modell antingen genom att definiera den nya modellen i satsen, eller genom att använda Predictive Model Markup Language (PMML). Detta andra alternativ är endast för avancerade användare.

Gruvstrukturen namnges genom att lägga till "_structure" i modellnamnet, vilket säkerställer att strukturnamnet är unikt från modellnamnet.

För att skapa en miningmodell för en befintlig mining-struktur, använd satsen ALTER MINING STRUCTURE (DMX).

Syntax

  
CREATE [SESSION] MINING MODEL <model>  
(  
    [(<column definition list>)]  
)  
USING <algorithm> [(<parameter list>)] [WITH DRILLTHROUGH]  
CREATE MINING MODEL <model> FROM PMML <xml string>

Arguments

Modell
Ett unikt namn för modellen.

Kolumndefinitionslista
En kommaseparerad lista av kolumndefinitioner.

algoritm
Namnet på en dataminingalgoritm, som definieras av den nuvarande leverantören.

Note

En lista över algoritmer som stöds av den aktuella leverantören kan hämtas med hjälp av DMSCHEMA_MINING_SERVICES Rowset. För att se algoritmerna som stöds i den aktuella instansen av Analysis Services, se Data Mining Properties.

Parameterlista
Valfritt. En kommaseparerad lista över leverantörsdefinierade parametrar för algoritmen.

XML-sträng
(Endast för avancerad användning.) En XML-kodad modell (PMML). Strängen måste vara innesluten av enkla citattecken (').

SESSION-klausulen låter dig skapa en miningmodell som automatiskt tas bort från servern när anslutningen stängs eller sessionen går ut i timeout. SESSION-miningmodeller är användbara eftersom de inte kräver att användaren är databasadministratör, och de använder endast diskutrymme så länge anslutningen är öppen.

WITH DRILLTHROUGH-klausulen möjliggör borrning på den nya gruvmodellen. Drillthrough kan bara aktiveras när du skapar modellen. För vissa modelltyper krävs drillthrough för att kunna bläddra i modellen i den anpassade visaren. Drillthrough krävs inte för förutsägelse eller för att bläddra i modellen med Microsoft Generic Content Tree Viewer.

CREATE MINING MODEL-satsen skapar en ny miningmodell som baseras på kolumndefinitionslistan, algoritmen och algoritmens parameterlista.

Kolumndefinitionslista

Du definierar strukturen för en modell som använder kolumndefinitionslistan genom att inkludera följande information för varje kolumn:

  • Namn (obligatoriskt)

  • Datatyp (obligatorisk)

  • Distribution

  • Lista över modelleringsflaggor

  • Innehållstyp (obligatorisk)

  • Prediktionsförfrågan, vilket indikerar för algoritmen att förutsäga denna kolumn, indikerad av PREDICT- eller PREDICT_ONLY-klausulen

  • Relation till en attributkolumn (obligatorisk endast om den gäller), indikerad av klausulen RELATED TO

Använd följande syntax för kolumndefinitionslistan för att definiera en enda kolumn:

<column name>    <data type>    [<Distribution>]    [<Modeling Flags>]    <Content Type>    [<prediction>]    [<column relationship>]

Använd följande syntax för kolumndefinitionslistan för att definiera en nästlad tabellkolumn:

<column name>    TABLE    [<prediction>] ( <non-table column definition list> )

Förutom modelleringsflaggor kan du använda högst en klausul från en viss grupp för att definiera en kolumn. Du kan definiera flera modelleringsflaggor för en kolumn.

För en lista över datatyper, innehållstyper, kolumnfördelningar och modelleringsflaggor som du kan använda för att definiera en kolumn, se följande ämnen:

Du kan lägga till en klausul i satsen för att beskriva relationen mellan två kolumner. Analysis Services stöder användningen av följande <kolumnklausul> .

RELATERAT TILL
Denna form indikerar en värdehierarki. Målet för en kolumn RELATED TO kan vara en nyckelkolumn i en nästlad tabell, en diskret värderad kolumn i fallraden, eller en annan kolumn med en RELATED TO-klausul, som indikerar en djupare hierarki.

Använd en prediktionsklausul för att beskriva hur prediktionskolumnen används. Följande tabell beskriver de två möjliga klausulerna.

<Prediktionsklausul> Description
FÖRUTSÄGA Denna kolumn kan förutsägas av modellen och kan tillhandahållas i indatafall för att förutsäga värdet av andra förutsägbara kolumner.
PREDICT_ONLY Denna kolumn kan förutsägas av modellen, men dess värden kan inte användas i indata för att förutsäga värdet på andra förutsägbara kolumner.

Parameterdefinitionslista

Du kan använda parameterlistan för att justera prestanda och funktionalitet i en mining-modell. Syntaxen i parameterlistan är följande:

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

För en lista över parametrarna som är kopplade till varje algoritm, se Data Mining Algorithms (Analysis Services - Data Mining).

Remarks

Om du vill skapa en modell som har en inbyggd testdatamängd bör du använda satsen CREATE MINING STRUCTURE följt av ALTER MINING STRUCTURE. Dock stöder inte alla modelltyper en holdout-datamängd. Mer information finns i CREATE MINING STRUCTURE (DMX).

För en genomgång av hur man skapar en mining-modell med hjälp av CREATEMODEL-satsen, se Time Series Prediction DMX Tutorial.

Exempel på naiv Bayes

Följande exempel använder Microsoft Naive Bayes-algoritmen för att skapa en ny miningmodell. Kolumnen Cykelköpare definieras som den förutsägbara egenskapen.

CREATE MINING MODEL [NBSample]  
(  
    CustomerKey LONG KEY,   
    Gender TEXT DISCRETE,  
    [Number Cars Owned] LONG DISCRETE,  
    [Bike Buyer] LONG DISCRETE PREDICT  
)  
USING Microsoft_Naive_Bayes

Exempel på associationsmodell

Följande exempel använder Microsoft Associations algoritm för att skapa en ny miningmodell. Uttalandet utnyttjar möjligheten att nästla en tabell inom modelldefinitionen genom att använda en tabellkolumn. Modellen modifieras genom att använda parametrarna MINIMUM_PROBABILITY och MINIMUM_SUPPORT .

CREATE MINING MODEL MyAssociationModel (  
    OrderNumber TEXT KEY,  
    [Products] TABLE PREDICT (  
        [Model] TEXT KEY  
    )  
)  
USING Microsoft_Association_Rules (Minimum_Probability = 0.1, MINIMUM_SUPPORT = 0.01)

Exempel på sekvensklustring

Följande exempel använder Microsoft Sequence Clustering-algoritmen för att skapa en ny miningmodell. Två nycklar används för att definiera modellen. Kolumnen OrderNumber används som fallnyckel och anger individuella beställningar. Kolumnen LineNumber används som den nästlade tabellnyckeln och specificerar i vilken ordning objekt lades till i en ordning.

CREATE MINING MODEL BuyingSequence (  
    [Order Number] TEXT KEY,  
    [Products] TABLE   
     (  
        [Line Number] LONG KEY SEQUENCE,  
        [Model] TEXT DISCRETE PREDICT  
    )  
)  
USING Microsoft_Sequence_Clustering

Exempel på tidsserier

Följande exempel använder Microsoft Times Series-algoritmen för att skapa en ny miningmodell med hjälp av ARTxp-algoritmen. ReportingDate är nyckelkolumnen för tidsserien och ModelRegion är nyckelkolumnen för dataserien. I detta exempel antas att datans periodicitet är var tolfte månad. Därför sätts PERIODICITY_HINT-parametern till 12.

Note

Du måste ange parametern PERIODICITY_HINT genom att använda korklameringstecken. Dessutom, eftersom värdet är en sträng, måste det omslutas av enkla citattecken: "{<numeriskt värde>}".

CREATE MINING MODEL SalesForecast (  
        ReportingDate DATE KEY TIME,  
        ModelRegion TEXT KEY,  
        Amount LONG CONTINUOUS PREDICT,  
        Quantity LONG CONTINUOUS PREDICT  
)  
USING Microsoft_Time_Series (PERIODICITY_HINT = '{12}', FORECAST_METHOD = 'ARTXP')

Relaterat innehåll

  • Last updated on