Applicare le funzioni di stima a un modello

  • Articolo

Si applica a: SQL Server 2019 e versioni precedenti di Analysis Services Azure Analysis Services Fabric/Power BI Premium

Importante

Il data mining è stato deprecato in SQL Server 2017 Analysis Services e ora è stato interrotto in SQL Server 2022 Analysis Services. La documentazione non viene aggiornata per le funzionalità deprecate e non più disponibili. Per altre informazioni, vedere Compatibilità con le versioni precedenti di Analysis Services.

Per creare una query di stima in SQL Server data mining, è innanzitutto necessario selezionare il modello di data mining in cui verrà basata la query. È possibile selezionare qualsiasi modello di data mining esistente nel progetto corrente.

Dopo avere selezionato un modello, aggiungere una funzione di stima alla query. Una funzione di stima può essere usata per ottenere una stima, ma è anche possibile aggiungere funzioni di stima che restituiscono le statistiche correlate, come la probabilità del valore stimato, o le informazioni usate per generare la stima.

Le funzioni di stima possono restituire i tipi seguenti di valori:

  • Nome dell'attributo di stima e valore che viene stimato.

  • Statistiche sulla distribuzione e varianza dei valori stimati.

  • Probabilità di un risultato specificato o di tutti i possibili risultati.

  • Punteggi superiori o inferiori o valori.

  • Valori associati a un nodo, un oggetto o un attributo specificato.

I tipi delle funzioni di stima disponibili dipendono dal tipo di modello di data mining usato. Ad esempio, le funzioni di stima applicate ai modelli di albero delle decisioni possono restituire regole e descrizioni dei nodi; le funzioni di stima per i modelli time series possono restituire il ritardo e altre informazioni specifiche per le serie temporali.

Per un elenco delle funzioni di stima supportate per quasi tutti i tipi di modello, vedere Funzioni di stima generale (DMX).

Per esempi di come eseguire query su un tipo specifico di modello di data mining, vedere l'argomento di riferimento sull'algoritmo in Algoritmi di data mining (Analysis Services - Data mining).

Scegliere un modello di data mining da utilizzare per la stima

  1. Da SQL Server Management Studio fare clic con il pulsante destro del mouse sul modello e scegliere Compila query di stima.

    -oppure-

    In SQL Server Data Tools fare clic sulla scheda Stima modello di data mining e quindi fare clic su Seleziona modello nella tabella Modello di data mining.

  2. Nella finestra di dialogo Seleziona modello di data mining selezionare un modello di data mining e quindi fare clic su OK.

    È possibile scegliere qualsiasi modello all'interno del database SQL Server Analysis Services corrente. Per creare una query utilizzando un modello in un database diverso, è necessario aprire una nuova finestra Query nel contesto di quel database oppure aprire il file della soluzione che contiene tale modello.

Aggiungere funzioni di stima a una query

  1. In Generatore delle query di stimaconfigurare i dati di input usati per la stima, specificando i valori nella finestra di dialogo Input query singleton o eseguendo il mapping del modello a un'origine dati esterna.

    Per altre informazioni, vedere Scegliere ed eseguire il mapping di dati di input per una query di stima.

    Avviso

    Non è necessario fornire input per generare stime. In assenza di input, l'algoritmo restituisce in genere il valore stimato più probabile attraverso tutti i possibili input.

  2. Fare clic sulla colonna Origine e scegliere un valore nell'elenco:

    Valore Descrizione
    <nome modello> Selezionare questa opzione per includere i valori del modello di data mining nell'output. È possibile aggiungere unicamente colonne stimabili.

    Quando si aggiunge una colonna dal modello, il risultato restituito è l'elenco non distinto di valori in quella colonna.

    Le colonne che si aggiungono tramite questa opzione sono incluse nella parte SELECT dell'istruzione DMX risultante.
    Prediction Function Selezionare questa opzione per esplorare un elenco di funzioni di stima.

    I valori o le funzioni selezionate vengono aggiunte alla parte SELECT dell'istruzione DMX risultante.

    L'elenco di funzioni di stima non è filtrato o vincolato dal tipo di modello selezionato. Pertanto, se non si sa con sicurezza se la funzione è supportata per il tipo di modello corrente, è possibile aggiungerla all'elenco e assicurarsi che non si verifichi alcun errore.

    Gli elementi dell'elenco preceduti da $ (ad esempio, $AdjustedProbability) rappresentano le colonne della tabella annidata restituita quando si usa la funzione PredictHistogram. Si tratta di collegamenti che è possibile utilizzare per restituire una singola colonna e non una tabella nidificata.
    Espressione personalizzata Selezionare questa opzione per digitare un'espressione personalizzata e quindi assegnare un alias all'output.

    L'espressione personalizzata viene aggiunta alla parte SELECT della query di stima DMX risultante.

    Questa opzione è utile se si desidera aggiungere del testo per l'output con ogni riga, per chiamare funzioni VB o stored procedure personalizzate.

    Per informazioni sull'uso di funzioni VBA e di Excel da DMX, vedere Funzioni VBA in MDX e DAX.

  3. Dopo avere aggiunto ogni funzione o espressione, passare alla vista DMX per vedere come la funzione viene aggiunta all'interno dell'istruzione DMX.

    Avviso

    Il Generatore delle query di stima non convalida l'istruzione DMX finché non si fa clic su Risultati. Spesso, l'espressione che viene prodotta dal generatore di query non è una DMX valida. Le cause tipiche sono una colonna che non è correlata alla colonna stimabile o il tentativo di stimare una colonna in una tabella nidificata che richiede un'istruzione sub-SELECT. A questo punto, è possibile passare a vista DMX e continuare a modificare l'istruzione.

Esempio: creare una query in un modello di clustering

  1. Se non è disponibile un modello di clustering per la generazione di questa query di esempio, creare il modello [TM_Clustering] facendo riferimento a Esercitazione di base sul data mining.

  2. Da SQL Server Management Studio fare clic con il pulsante destro del mouse sul modello [ TM_Clustering] e scegliere Compila query di stima.

  3. Scegliere Query singleton dal menu Modello di data mining.

  4. Nella finestra di dialogo Input query singleton impostare i valori seguenti come input:

    • Gender = M

    • Commute Distance = 5-10 miles

  5. Nella griglia della query per Origineselezionare il modello di data mining TM_Clustering e aggiungere la colonna [Bike Buyer].

  6. Per Origineselezionare Funzione di stimae quindi aggiungere la funzione Cluster.

  7. Per Origineselezionare Funzione di stima, aggiungere la funzione PredictSupporte trascinare la colonna [Bike Buyer] del modello nella casella Criteri/Argomento . Digitare Supporto nella colonna Alias .

    Copiare l'espressione che rappresenta la funzione di stima e il riferimento alla colonna dalla casella Criteri/Argomento .

  8. Per Origineselezionare Espressione personalizzata, digitare un alias e quindi fare riferimento alla funzione CEILING di Excel usando la sintassi seguente:

    Excel![CEILING](<arguments) as <return type>

    Incollare il riferimento alla colonna come argomento alla funzione.

    Ad esempio, l'espressione seguente restituisce il valore CEILING del valore di supporto:

    EXCEL!CEILING(PredictSupport([TM_Clustering].[Bike Buyer]),2)

    Digitare CEILING nella colonna Alias .

  9. Fare clic su Passa alla visualizzazione del testo della query per esaminare l'istruzione DMX generata e quindi fare clic su Passa alla visualizzazione dei risultati della query per visualizzare l'output delle colonne restituito dalla query di stima.

    Nella tabella seguente vengono illustrati i risultati previsti:

    Bike Buyer $Cluster SUPPORT CEILING
    0 Cluster 8 954 953.948638926372

Se si desidera aggiungere altre clausole altrove nell'istruzione, ad esempio se si desidera aggiungere una clausola WHERE, non è possibile aggiungerla usando la griglia; è necessario passare prima alla visualizzazione DMX.

Vedere anche

Query di data mining