데이터 마이닝 쿼리Data Mining Queries

데이터 마이닝 쿼리는 다음과 같은 다양한 용도로Data mining queries are useful for many purposes. 다음 작업을 수행할 수 있습니다.You can:

  • 새 데이터에 모델을 적용하여 단일 또는 여러 예측을 수행합니다.Apply the model to new data, to make single or multiple predictions. 매개 변수나 일괄 처리로 입력 값을 제공할 수 있습니다.You can provide input values as parameters, or in a batch.

  • 학습에 사용하는 데이터에 대한 통계 요약을 얻습니다.Get a statistical summary of the data used for training.

  • 패턴과 규칙을 추출하거나 모델에서 패턴을 나타내는 일반적인 사례의 프로필을 생성합니다.Extract patterns and rules, or generate a profile of the typical case representing a pattern in the model.

  • 회귀 수식 및 패턴을 설명하는 다른 계산을 추출합니다.Extract regression formulas and other calculations that explain patterns.

  • 특정 패턴에 맞는 사례를 얻습니다.Get the cases that fit a particular pattern.

  • 분석에 사용되지 않는 데이터를 포함하여 모델에 사용되는 개별 사례에 대한 세부 정보를 검색합니다.Retrieve details about individual cases used in the model, including data not used in analysis.

  • 새 데이터를 추가하여 모델을 다시 학습하거나 교차 예측을 수행합니다.Retrain a model by adding new data, or perform cross-prediction.

    이 섹션에서는 데이터 마이닝 쿼리를 시작하는 데 필요한 정보의 개요를 제공합니다.This section provides an overview of the information you need to get started with data mining queries. 또한 데이터 마이닝 개체에 대해 만들 수 있는 쿼리의 유형에 대해 설명하고 쿼리 도구와 쿼리 언어를 소개하며 SQL Server 데이터 마이닝에서 제공하는 알고리즘을 사용하여 작성된 모델에 대해 만들 수 있는 쿼리 예의 링크를 제공합니다.It describes the types of queries you can create against data mining objects, introduces the query tools and query languages, and provides links to examples of queries that you can create against models that were built using the algorithms provided in SQL Server Data Mining.

    데이터 마이닝 쿼리 이해Understanding Data Mining Queries

    쿼리 도구 및 인터페이스Query Tools and Interfaces

    여러 가지 모델 유형에 대한 쿼리Queries for Different Model Types

    요구 사항Requirements

데이터 마이닝 쿼리 이해 Understanding Data Mining Queries

Analysis ServicesAnalysis Services 데이터 마이닝은 다음과 같은 쿼리 유형을 지원합니다. Data Mining supports the following types of queries:

  • 예측 쿼리(데이터 마이닝)Prediction Queries (Data Mining)

    모델의 패턴을 기반으로 입력 데이터에서 추론하는 쿼리입니다.Queries that make inferences based on patterns in the model, and from input data.

  • 내용 쿼리(데이터 마이닝)Content Queries (Data Mining)

    모델 자체에 대한 메타데이터, 통계 및 기타 정보를 반환하는 쿼리입니다.Queries that return metadata, statistics, and other information about the model itself.

  • 드릴스루 쿼리(데이터 마이닝)Drillthrough Queries (Data Mining)

    모델의 기본 사례 데이터나 모델에서 사용되지 않은 구조의 데이터까지 검색할 수 있는 쿼리입니다.Queries that can retrieve the underlying case data for the model, or even data from the structure that was not used in the model.

  • 데이터 정의 쿼리(데이터 마이닝)Data Definition Queries (Data Mining)

    모델에서 정보를 반환하지 않지만 모델과 구조를 작성하거나 모델 또는 구조에서 데이터를 업데이트하는 데 사용되는 쿼리입니다.Queries that do not return information from the model, but rather are used to build models and structures or to update the data in a model or structure.

    쿼리를 만들기 전에 SQL Server에서 제공하는 각각의 데이터 마이닝 알고리즘으로 만들어진 모델 간의 차이를 잘 알아두는 것이 좋습니다.Before you create queries, we recommend that you familiarize yourself with the differences between models created with each of the data mining algorithms provided by SQL Server.

  • 각 알고리즘 유형에 대해 제공된 사용자 지정 데이터 마이닝 뷰어를 사용하여 각 모델 유형을 찾아보고 탐색합니다.Browse and explore each model type by using the custom data mining viewers that are provided for each algorithm type. 자세한 내용은 마이닝 모델 뷰어 태스크 및 방법을 참조하세요.For more information, see Mining Model Viewer Tasks and How-tos.

  • Microsoft 일반 콘텐츠 트리 뷰어를 사용하여 각 모델 유형의 모델 콘텐츠를 검토합니다.Review the model content for each model type, by using the Microsoft Generic Content Tree Viewer. 이 정보를 해석하려면 마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)을 참조하세요.To interpret this information, refer to Mining Model Content (Analysis Services - Data Mining).

쿼리 도구 및 인터페이스 Query Tools and Interfaces

SQL Server에서 제공하는 쿼리 도구 중 하나를 사용하여 대화식으로 데이터 마이닝 쿼리를 작성할 수 있습니다.You can build data mining queries interactively by using one of the query tools provided by SQL Server. 그래픽 예측 쿼리 작성기는 SQL Server Data Tools(SSDT)SQL Server Data Tools (SSDT)SQL Server Management StudioSQL Server Management Studio에서 제공됩니다.The graphical Prediction Query Builder is provided in both SQL Server Data Tools(SSDT)SQL Server Data Tools (SSDT) and SQL Server Management StudioSQL Server Management Studio. 예측 쿼리 작성기를 사용해보지 않은 경우 Basic Data Mining Tutorial 의 단계를 수행하여 인터페이스에 대해 잘 알아두는 것이 좋습니다.If you have not used the Prediction Query Builder before, we recommend that you follow the steps in the Basic Data Mining Tutorial to familiarize yourself with the interface. 단계를 간단히 살펴보려면 예측 쿼리 작성기를 사용하여 예측 쿼리 만들기를 사용하여 쿼리 만들기를 참조하세요.For q quick overview of the steps, see Create a Query using the Create a Prediction Query Using the Prediction Query Builder.

예측 쿼리 작성기는 나중에 사용자 지정할 쿼리를 시작하는 데 유용합니다.The Prediction Query Builder is helpful for starting queries that you will customize later. 쉽게 데이터 원본을 추가하고 열에 매핑한 다음 DMX 뷰로 전환하고 WHERE 절이나 다른 함수를 추가하여 쿼리를 사용자 지정할 수 있습니다.You can easily add data sources and map them to columns, and then switch to DMX view and customize the query by adding a WHERE clause or other functions.

데이터 마이닝 모델과 쿼리 작성 방법을 익히면 DMX(Data Mining Extensions)를 사용하여 쿼리를 직접 작성할 수도 있습니다.Once you are familiar with data mining models and how to build queries, you can also write queries directly by using Data Mining Extensions (DMX). DMX는 Transact-SQL과 유사하며 다양한 여러 클라이언트에서 사용할 수 있는 쿼리 언어입니다.DMX is a query language that is similar to Transact-SQL, and that you can use from many different clients. DMX는 사용자 지정 예측과 복잡한 쿼리를 만들 수 있는 최상의 도구입니다.DMX is the tool of choice for creating both custom predictions and complex queries. DMX에 대한 소개는 DMX를 사용하여 데이터 마이닝 모델 만들기 및 쿼리: 자습서(Analysis Services - 데이터 마이닝)를 참조하세요.For an introduction to DMX, see Creating and Querying Data Mining Models with DMX: Tutorials (Analysis Services - Data Mining).

DMX 편집기는 SQL Server Data Tools(SSDT)SQL Server Data Tools (SSDT)SQL Server Management StudioSQL Server Management Studio에서 제공됩니다.DMX editors are provided in both SQL Server Data Tools(SSDT)SQL Server Data Tools (SSDT) and SQL Server Management StudioSQL Server Management Studio. 예측 쿼리 작성기를 사용하여 쿼리를 시작한 다음 뷰를 텍스트 편집기로 변경하고 DMX 문을 다른 클라이언트에 복사할 수도 있습니다.You can also use the Prediction Query Builder to start your queries, then change the view to the text editor and copy the DMX statement to another client. 자세한 내용은 데이터 마이닝 쿼리 도구를 참조하세요.For more information, see Data Mining Query Tools.

프로그래밍 방식으로 DMX 문을 작성하고 AMO 또는 XMLA를 사용하여 클라이언트에서 Analysis ServicesAnalysis Services 서버로 보낼 수 있습니다.You can compose DMX statements programmatically and send them from your client to the Analysis ServicesAnalysis Services server by using AMO or XMLA. 그러나 DMX는 마이닝 모델에 대해 쿼리를 만드는 데 사용해야 하는 언어입니다.However, DMX is the language that you must use to create queries against a mining model.

또한 데이터 마이닝 스키마 행 집합을 기반으로 하는 DMV(동적 관리 뷰)를 사용하여 모델의 메타데이터, 통계 및 콘텐츠를 쿼리할 수도 있습니다.You can also query the metadata, statistics, and some content of the model by using Dynamic Management Views (DMVs) that are based on the data mining schema rowsets. 이러한 DMV에서는 SELECT 문을 입력하여 모델에 대한 정보를 쉽게 검색할 수 있지만 예측을 수행할 수는 없습니다.These DMVs make it easy to retrieve information about the model by typing SELECT statements; however, you cannot create predictions. Analysis ServicesAnalysis Services에서 지원하는 DMV에 대한 자세한 내용은 DMV(동적 관리 뷰)를 사용하여 Analysis Services 모니터링을 참조하세요.For more information about DMVs supported by Analysis ServicesAnalysis Services, see Use Dynamic Management Views (DMVs) to Monitor Analysis Services.

마지막으로 Data Mining Query Task또는 Data Mining Query Transformation을 사용하여 Integration Services 패키지에서 사용하기 위한 데이터 마이닝 쿼리를 만들 수 있습니다.Finally, you can create data mining queries for use in Integration Services packages, by using the Data Mining Query Task, or the Data Mining Query Transformation. 제어 흐름 태스크는 여러 유형의 DMX 쿼리를 지원하는 반면에 데이터 흐름 변환은 데이터 흐름의 데이터로 작업하는 쿼리(즉, PREDICTION JOIN 구문을 사용하는 쿼리)만 지원합니다.The control flow task supports multiple types of DMX queries, whereas the data flow transformation supports only queries that work with data in the data flow, meaning queries that use the PREDICTION JOIN syntax.

여러 가지 모델 유형에 대한 쿼리 Queries for Different Model Types

모델을 만들 때 사용한 알고리즘은 데이터 마이닝 쿼리에서 얻을 수 있는 정보의 유형에 큰 영향을 줍니다.The algorithm that was used when the model was created greatly influences the type of information that you can get from a data mining query. 이는 각 알고리즘이 고유한 방법으로 데이터를 처리하고 다양한 유형의 패턴을 저장하기 때문입니다.The reason for the differences is that each algorithm processes the data in a different way, and stores different kinds of patterns. 예를 들어 어떤 알고리즘은 클러스터를 만들고 다른 알고리즘은 트리를 만듭니다.For example, some algorithms create clusters; others create trees. 따라서 작업하고 있는 모델의 유형에 따라 특수한 예측 및 쿼리 함수를 사용해야 할 수도 있습니다.Therefore, you might need to use specialized prediction and query functions, depending on the type of model that you are working with.

다음 목록에서는 쿼리에서 사용할 수 있는 함수에 대한 요약을 제공합니다.The following list provides a summary of the functions that you can use in queries:

  • 일반 예측 함수: Predict 함수는 다형성을 갖고 있으므로 모든 모델 유형과 함께 사용할 수 있습니다.General prediction functions: The Predict function is polymorphic, meaning it works with all model types. 이 함수는 작업하고 있는 모델의 유형을 자동으로 검색하고 추가 매개 변수를 묻는 메시지를 표시합니다.This function will automatically detect the type of model you are working with and prompt you for additional parameters. 자세한 내용은 예측(DMX)을 참조하세요.For more information, see Predict (DMX).

    경고

    일부 모델만 예측을 수행하는 데 사용됩니다.Not all models are used to make predictions. 예를 들어 예측 가능한 특성이 없는 클러스터링 모델을 만들 수 있습니다.For example, you can create a clustering model that does not have a predictable attribute. 그러나 모델에 예측 가능한 특성이 없는 경우에도 모델에서 다른 유형의 유용한 정보를 반환하는 예측 쿼리를 만들 수 있습니다.However, even if a model does not have a predictable attribute, you can create prediction queries that return other types of useful information from the model.

  • 사용자 지정 예측 함수: 각 모델 유형은 해당 알고리즘으로 만들어진 패턴으로 작업하도록 설계된 예측 함수의 집합을 제공합니다.Custom prediction functions: Each model type provides a set of prediction functions designed for working with the patterns created by that algorithm.

    예를 들어 Lag 함수는 시계열 모델에 사용되는 기록 데이터를 볼 수 있도록 시계열 모델에 제공됩니다.For example, the Lag function is provided for time series models, to let you view the historical data used for the model. 클러스터링 모델의 경우 ClusterDistance 와 같은 함수가 더 중요합니다.For clustering models, functions such as ClusterDistance are more meaningful.

    각 모델 유형에 대해 지원되는 함수에 대한 자세한 내용은 다음 링크를 참조하십시오.For more information about the functions that are supported for each model type, see the following links:

    연결 모델 쿼리 예제Association Model Query Examples Microsoft Naive Bayes 알고리즘Microsoft Naive Bayes Algorithm
    클러스터링 모델 쿼리 예제Clustering Model Query Examples 신경망 모델 쿼리 예제Neural Network Model Query Examples
    의사 결정 트리 모델 쿼리 예제Decision Trees Model Query Examples 시퀀스 클러스터링 모델 쿼리 예제Sequence Clustering Model Query Examples
    선형 회귀 모델 쿼리 예제Linear Regression Model Query Examples 시계열 모델 쿼리 예제Time Series Model Query Examples
    로지스틱 회귀 모델 쿼리 예제Logistic Regression Model Query Examples

    또한 VBA 함수를 호출하거나 함수를 직접 만들 수도 있습니다.You can also call VBA functions, or create your own functions. 자세한 내용은 함수(DMX)를 참조하세요.For more information, see Functions (DMX).

  • 일반 통계: 표준 편차와 같은 기술 통계의 표준 집합을 반환하는, 거의 모든 모델 유형과 함께 사용할 수 있는 다양한 함수가 있습니다.General statistics: There are a number of functions that can be used with almost any model type, which return a standard set of descriptive statistics, such as standard deviation.

    예를 들어 PredictHistogram 함수는 지정된 열의 모든 상태를 나열하는 테이블을 반환합니다.For example, the PredictHistogram function returns a table that lists all the states of the specified column.

    자세한 내용은 일반 예측 함수(DMX)를 참조하세요.For more information, see General Prediction Functions (DMX).

  • 사용자 지정 통계: 특정 분석 태스크와 관련된 통계를 생성하기 위한 추가 지원 함수가 각 모델 유형에 제공됩니다.Custom statistics: Additional supporting functions are provided for each model type, to generate statistics that are relevant to the specific analytical task.

    예를 들어 클러스터링 모델로 작업하는 경우 PredictCaseLikelihood함수를 사용하여 특정 사례 및 클러스터와 연결된 유사도 점수를 반환할 수 있습니다.For example, when you are working with a clustering model, you can use the function, PredictCaseLikelihood, to return the likelihood score associated with a certain case and cluster. 그러나 선형 회귀 모델을 만든 경우 내용 쿼리를 사용하여 수행할 수 있는 계수 및 절편 검색에 더 관심이 있을 수 있습니다.However, if you created a linear regression model, you would be more interested in retrieving the coefficient and intercept, which you can do using a content query.

  • 모델 콘텐츠 함수: 모든 모델의 콘텐츠 는 단순 쿼리로 정보를 검색할 수 있는 표준화된 형식으로 표시됩니다.Model content functions: The content of all models is represented in a standardized format that lets you retrieve information with a simple query. DMX를 사용하여 모델 콘텐츠에 대한 쿼리를 만듭니다.You create queries on the model content by using DMX. 또한 데이터 마이닝 스키마 행 집합을 사용하여 일부 유형의 모델 콘텐츠를 가져올 수도 있습니다.You can also get some type of model content by using the data mining schema rowsets.

    모델 콘텐츠에서 반환되는 테이블의 각 행 또는 노드의 의미는 모델을 작성하는 데 사용된 알고리즘의 유형과 열의 데이터 형식에 따라 달라집니다.In the model content, the meaning of each row or node of the table that is returned differs depending on the type of algorithm that was used to build the model, as well as the data type of the column. 자세한 내용은 내용 쿼리(데이터 마이닝)을 참조하세요.For more information, see Content Queries (Data Mining).

요구 사항 Requirements

모델에 대해 쿼리를 만들려면 먼저 데이터 마이닝 모델을 처리해야 합니다.Before you can create a query against a model, the data mining model must have been processed. Analysis ServicesAnalysis Services 개체를 처리하려면 특별한 권한이 있어야 합니다.Processing of Analysis ServicesAnalysis Services objects requires special permissions. 마이닝 모델 처리에 대한 자세한 내용은 처리 요구 사항 및 고려 사항(데이터 마이닝)을 참조하세요.For more information on processing mining models, see Processing Requirements and Considerations (Data Mining).

데이터 마이닝 모델에 대해 쿼리를 실행하려면 실행하는 쿼리 유형에 따라 다양한 권한 수준이 필요합니다.To execute queries against a data mining model requires different levels of permissions, depending on the type of query that you run. 예를 들어 사례 또는 구조 데이터로 드릴스루하려면 마이닝 구조 개체 또는 마이닝 모델 개체에 대해 설정할 수 있는 추가 권한이 일반적으로 필요합니다.For example, drillthrough to case or structure data typically requires additional permissions which can be set on the mining structure object or mining model object.

그러나 쿼리에서 외부 데이터를 사용하고 OPENROWSET 또는 OPENQUERY와 같은 문을 포함하는 경우 쿼리할 데이터베이스에서 이러한 문을 사용할 수 있어야 하고 기본 데이터베이스 개체에 대한 권한이 있어야 합니다.However, if your query uses external data, and includes statements such as OPENROWSET or OPENQUERY, the database that you are querying must enable these statements, and you must have permission on the underlying database objects.

데이터 마이닝 쿼리를 실행하는 데 필요한 보안 컨텍스트에 대한 자세한 내용은 보안 개요(데이터 마이닝)를 참조하세요.For more information on the security contexts required to run data mining queries, see Security Overview (Data Mining)

섹션 내용In This Section

이 섹션의 항목에서는 데이터 마이닝 쿼리의 각 유형에 대해 자세히 소개하고 데이터 마이닝 모델에 대한 쿼리를 만드는 방법을 보여 주는 자세한 예의 링크를 제공합니다.The topics in this section introduce each type of data mining query in more detail, and provide links to detailed examples of how to create queries against data mingin models.

예측 쿼리(데이터 마이닝)Prediction Queries (Data Mining)

내용 쿼리(데이터 마이닝)Content Queries (Data Mining)

드릴스루 쿼리(데이터 마이닝)Drillthrough Queries (Data Mining)

데이터 정의 쿼리(데이터 마이닝)Data Definition Queries (Data Mining)

데이터 마이닝 쿼리 도구Data Mining Query Tools

다음 링크를 사용하여 데이터 마이닝 쿼리를 만들고 작업하는 방법을 알아봅니다.Use these links to learn how to create and work with data mining queries.

태스크Tasks 링크Links
자습서 및 연습 데이터 마이닝 쿼리 보기View tutorials and walkthroughs on data mining queries 6단원: 예측 만들기 및 작업(기본 데이터 마이닝 자습서)Lesson 6: Creating and Working with Predictions (Basic Data Mining Tutorial)

시계열 예측 DMX 자습서Time Series Prediction DMX Tutorial
SQL Server Management Studio 및 SQL Server Data Tools(SSDT)SQL Server Data Tools (SSDT)Use data mining query tools in SQL Server Management Studio and SQL Server Data Tools(SSDT)SQL Server Data Tools (SSDT) SQL Server Management Studio에서 DMX 쿼리 만들기Create a DMX Query in SQL Server Management Studio

예측 쿼리 작성기를 사용하여 예측 쿼리 만들기Create a Prediction Query Using the Prediction Query Builder

모델에 예측 함수 적용Apply Prediction Functions to a Model

예측 쿼리 수동 편집Manually Edit a Prediction Query
예측 쿼리에 사용하는 외부 데이터 작업Work with external data used in prediction queries 예측 쿼리에 대한 입력 데이터 선택 및 매핑Choose and Map Input Data for a Prediction Query

예측 쿼리에 대한 입력 데이터 선택 및 매핑Choose and Map Input Data for a Prediction Query
쿼리 결과 사용Work with the results of queries 예측 쿼리 결과 보기 및 저장View and Save the Results of a Prediction Query
Management Studio에서 제공하는 DMX 및 XMLA 쿼리 템플릿 사용Use DMX and XMLA query templates provided in Management Studio 템플릿에서 단일 예측 쿼리 작성Create a Singleton Prediction Query from a Template

XMLA를 사용하여 데이터 마이닝 쿼리 만들기Create a Data Mining Query by Using XMLA

SQL Server Management Studio에서 Analysis Services 템플릿 사용Use Analysis Services Templates in SQL Server Management Studio
내용 쿼리에 대한 자세한 정보 및 예제 참조Learn more about content queries and see examples 마이닝 모델에 내용 쿼리 만들기Create a Content Query on a Mining Model

마이닝 모델을 만드는 데 사용한 매개 변수 쿼리Query the Parameters Used to Create a Mining Model

내용 쿼리(데이터 마이닝)Content Queries (Data Mining)
쿼리 옵션 설정과 쿼리 권한 및 문제 해결Set query options and troubleshoot query permissions and problems 데이터 마이닝 쿼리에 대한 제한 시간 값 변경Change the Time-out Value for Data Mining Queries
Integration Services에서 데이터 마이닝 구성 요소 사용Use the data mining components in Integration Services Data Mining Query TaskData Mining Query Task

Data Mining Query TransformationData Mining Query Transformation

관련 항목:See Also

데이터 마이닝 알고리즘(Analysis Services - 데이터 마이닝) Data Mining Algorithms (Analysis Services - Data Mining)
마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)Mining Model Content (Analysis Services - Data Mining)