Запросы интеллектуального анализа данных
Применимо к:
SQL Server 2019 и более ранних версий Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
Важно!
Интеллектуальный анализ данных не рекомендуется использовать в службах SQL Server 2017 Analysis Services, а в SQL Server 2022 Analysis Services его поддержка прекращена. Документация не обновляется для устаревших и неподдерживаемых функций. Дополнительные сведения см. в статье об обратной совместимости служб Analysis Services.
Запросы интеллектуального анализа Вы можете:
Применить модели к новым данным, чтобы сделать один или несколько прогнозов. Входные значения можно предоставить в качестве параметров или в одном пакете.
Получить статистическую сводку по данным, используемым при обучении.
Извлечь шаблоны или правила или создавать профили типичных ситуаций, представляющих шаблон в модели.
Извлечь формулы регрессии и других вычислений, которые объясняют шаблоны.
Получать варианты, которые соответствуют определенному шаблону.
Получить сведения об отдельных вариантах, используемых в модели, включая данные, неиспользуемые для анализа.
Переобучить модель путем добавления новых данных или выполнения перекрестных прогнозов.
В этом разделе приведены общие сведения, которые помогут начать работу с запросами интеллектуального анализа данных. В нем описаны типы запросов, которые можно создавать к объектам интеллектуального анализа данных, средства создания и языки запросов. В разделе также приведены ссылки на образцы запросов, которые можно создать к моделям, построенным с помощью алгоритмов из интеллектуального анализа данных SQL Server.
Общие сведения о запросах интеллектуального анализа данных
Средства и интерфейсы запросов
Запросы для различных типов моделей
Общие сведения о запросах интеллектуального анализа данных
SQL Server Analysis Services интеллектуальный анализ данных поддерживает следующие типы запросов:
Прогнозирующие запросы (интеллектуальный анализ данных)
запросы, которые делают выводы на основе имеющихся в модели шаблонов и входных данных;
Запросы содержимого (интеллектуальный анализ данных)
запросы, возвращающие метаданные, статистические данные и другие сведения о самой модели;
Запросы детализации (интеллектуальный анализ данных)
запросы, которые могут получать базовые данные варианта для модели или даже данные из структуры, которая в модели не использовалась;
Запросы, определяющие данные (интеллектуальный анализ данных)
запросы, которые не возвращают сведения из модели, а используются для построения модели и структуры или для обновления данных в модели или структуре.
Перед началом создания запросов рекомендуется познакомиться с тем, чем отличаются модели, созданные с помощью каждого из имеющихся в SQL Server алгоритмов интеллектуального анализа данных.
Для просмотра моделей каждого типа служат дополнительные средства просмотра интеллектуального анализа данных, предусмотренные для алгоритма каждого типа. Дополнительные сведения см. в разделе Задачи и инструкции средства просмотра моделей интеллектуального анализа данных.
Просмотр содержимого моделей каждого типа выполняется с помощью средства просмотра деревьев содержимого общего вида (Майкрософт). Чтобы интерпретировать эти сведения, см. содержимое модели интеллектуального анализа данных (службы Analysis Services — интеллектуальный анализ данных).
Средства и интерфейс для построения запросов
Запросы интеллектуального анализа данных можно строить интерактивно с помощью одного из имеющихся в SQL Server средств работы с запросами. Графический построитель прогнозирующих запросов предоставляется как в SQL Server Data Tools, так и в SQL Server Management Studio. Если вы ранее не пользовались построителем прогнозирующих запросов, рекомендуется пройти учебник Basic Data Mining Tutorial , чтобы познакомиться с его интерфейсом. Краткое описание приведено в подразделе "Создание запроса" раздела Создание прогнозирующего запроса с помощью построителя прогнозирующих запросов.
Построитель прогнозирующих запросов является полезным для запуска запросов, которые будут настраиваться позже. Можно легко добавить источники данных и сопоставить их со столбцами, а затем переключиться в представление DMX и настроить запрос, добавив в него предложение WHERE или другие функции.
Познакомившись с моделями интеллектуального анализа данных и научившись строить запросы, можно также писать запросы напрямую с помощью расширений интеллектуального анализа данных. Расширения интеллектуального анализа данных ― это язык запросов, похожий на Transact-SQL, который может быть использован множеством разных клиентов. Язык расширений интеллектуального анализа данных прекрасно подходит для создания пользовательских прогнозов и сложных запросов. Общие сведения о расширении интеллектуального анализа данных см. в статье Создание моделей интеллектуального анализа данных и запросы к ним с помощью расширений интеллектуального анализа данных: учебники (службы Analysis Services — интеллектуальный анализ данных).
Редакторы расширений интеллектуального анализа данных предоставляются как в SQL Server Data Tools, так и в SQL Server Management Studio. Кроме того, запросы можно начинать с помощью построителя прогнозирующих запросов, а затем перейти в представление текстового редактора и скопировать инструкцию расширений интеллектуального анализа данных в другой клиент. Дополнительные сведения см. в разделе Средства запросов интеллектуального анализа данных.
Инструкции расширений интеллектуального анализа данных можно создавать программными средствами и отправлять их с клиента на сервер SQL Server Analysis Services с помощью AMO или XMLA. При этом расширения интеллектуального анализа данных должны обязательно использоваться для создания запросов к модели интеллектуального анализа данных.
Метаданные, статистику и определенное содержимое модели можно также запрашивать с помощью динамических административных представлений, в основе которых лежат наборы строк схемы интеллектуального анализа данных. С помощью этих динамических административных представлений легко получить сведения о модели путем ввода инструкций SELECT, однако прогнозы создавать нельзя. Дополнительные сведения о динамических административных представлениях, поддерживаемых SQL Server Analysis Services, см. в статье Использование динамических административных представлений (DMV) для мониторинга служб Analysis Services.
И наконец, можно создать запросы интеллектуального анализа данных для использования в пакетах служб Integration Services с помощью задачи Data Mining Query Taskили преобразования Data Mining Query Transformation. Задача потока управления поддерживает несколько типов запросов расширений интеллектуального анализа данных, а преобразование потока данных поддерживает только запросы, работающие с данными из потока данных, другими словами, только запросы, использующие синтаксис PREDICTION JOIN.
Запросы для моделей различных типов
Тот алгоритм, который использовался при создании модели, во многом определяет тип данных, которые можно получить с помощью запроса интеллектуального анализа данных. Причина различий заключается в том, что каждый алгоритм обрабатывает данные по-своему и хранит разные виды шаблонов. Например, некоторые алгоритмы создают кластеры, другие же создают деревья. Поэтому, возможно, придется использовать специализированные функции прогноза и запроса в зависимости от типа модели, с которой вы работаете.
В следующем списке приведено краткое описание функций, которые можно использовать в запросах:
Общие прогнозирующие функции : функция Predict является полиморфной, а это означает, что она работает с моделями всех типов. Эта функция автоматически определяет тип модели, с которой вы работаете, и запрашивает дополнительные параметры. Дополнительные сведения см. в разделе Прогнозирование (расширений интеллектуального анализа данных).
Предупреждение
Не все модели используются для создания прогнозов. Например, можно создать модель кластеризации, у которой не будет прогнозируемого атрибута. Но даже если у модели и нет прогнозируемого атрибута, то можно создать прогнозирующий запрос, который будет возвращать из модели другие полезные сведения.
Пользовательские прогнозирующие функции: в каждом типе модели есть набор прогнозирующих функций, предназначенных для работы с шаблонами, которые создает конкретный алгоритм.
Например, функция Lag в моделях временных рядов и позволяет просматривать данные журнала, используемые для этой модели. Для моделей кластеризации более значимыми являются такие функции, как ClusterDistance .
Дополнительные сведения о функциях, которые поддерживаются для моделей каждого типа, приведены по следующим ссылкам.
Можно также пользоваться функциями VBA или создать свои собственные. Дополнительные сведения см. в разделе Функции (DMX).
Общая статистика: есть несколько функций, которые можно использовать при работе практически с любым типом моделей. Они возвращают стандартный набор описательных статистических данных, например стандартное отклонение.
Например, функция PredictHistogram возвращает таблицу, в которой перечислены все состояния указанного столбца.
Дополнительные сведения см. в разделе Общие функции прогнозирования (DMX).
Пользовательская статистика: дополнительные вспомогательные функции предоставляются для каждого типа моделей, чтобы формировать статистику, относящуюся к определенной аналитической задаче.
Например, при работе с моделью кластеризации с помощью функции PredictCaseLikelihoodможно получить значение вероятности, связанное с определенным вариантом и кластером. Но если вы создали модель линейной регрессии, то вам будет интереснее получить коэффициент и отсекаемый отрезок, что можно сделать с помощью запроса содержимого.
Функции содержимого модели : содержимое всех моделей представляется в стандартизированном формате, позволяющем получать данные с помощью простого запроса. Запросы к содержимому моделей можно создавать с помощью расширений интеллектуального анализа данных. Некоторые типы содержимого модели также можно получить с помощью наборов строк схемы интеллектуального анализа данных.
В содержимом модели значение каждой возвращаемой строки или узла таблицы отличается в зависимости от типа алгоритма, с помощью которого была построена модель, а также типа данных столбца. Дополнительные сведения см. в разделе Запросы содержимого (интеллектуальный анализ данных).
Требования
Перед созданием запроса к модели должна быть обработана модель интеллектуального анализа данных. Для обработки объектов SQL Server Analysis Services требуются специальные разрешения. Дополнительные сведения об обработке моделей интеллектуального анализа данных см. в разделе Требования к обработке и рекомендации (интеллектуальный анализ данных).
Для выполнения запросов к модели интеллектуального анализа данных требуются разрешения различных уровней, в зависимости от типа выполняемого запроса. Например, для детализации до данных варианта или структуры обычно требуются дополнительные разрешения, которые можно задать для объекта структуры интеллектуального анализа данных или объекта модели интеллектуального анализа данных.
Но если в запросе используются внешние данные, а также такие инструкции, как OPENROWSET или OPENQUERY, то в запрашиваемой базе данных эти инструкции должны быть включены, а пользователь должен иметь разрешения на базовые объекты базы данных.
Дополнительные сведения о контекстах безопасности, необходимых для выполнения запросов интеллектуального анализа данных, см. в статье Общие сведения о безопасности (интеллектуальный анализ данных)
В этом разделе
В разделах этого раздела содержатся более подробные сведения о каждом типе запросов интеллектуального анализа данных, а также приведены ссылки на подробные примеры создания запросов к моделям mingin данных.
Прогнозирующие запросы (интеллектуальный анализ данных)
Запросы содержимого (интеллектуальный анализ данных)
Запросы детализации (интеллектуальный анализ данных)
Запросы, определяющие данные (интеллектуальный анализ данных)
Средства запросов интеллектуального анализа данных
Связанные задачи
Используйте эти ссылки, чтобы научиться создавать запросы интеллектуального анализа данных и работать с ними.
См. также:
Алгоритмы интеллектуального анализа данных (службы Analysis Services — интеллектуальный анализ данных)
Содержимое модели интеллектуального анализа данных (службы Analysis Services — интеллектуальный анализ данных)
Обратная связь
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделе https://aka.ms/ContentUserFeedback.
Отправить и просмотреть отзыв по