CREATE MINING MODEL (расширения интеллектуального анализа данных)

Статья
06/02/2023

Область применения: SQL Server Analysis Services

Позволяет создать в базе данных новую модель и структуру интеллектуального анализа данных. Модель можно создать либо путем определения новой модели в инструкции, либо с помощью языка разметки моделей прогнозов (Predictive Model Markup Language, PMML). Второй параметр рекомендуется использовать только опытным пользователям.

Имя структуры интеллектуального анализа данных формируется путем добавления строки «_structure» к имени модели, что гарантирует несовпадение имени структуры и модели.

Чтобы создать модель интеллектуального анализа данных для существующей структуры интеллектуального анализа данных, используйте инструкцию ALTER MINING STRUCTURE (DMX).

Синтаксис

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

Аргументы

model
Уникальное имя модели.

Список определений столбцов
Список определений столбцов с разделителями-запятыми.

algorithm
Имя алгоритма интеллектуального анализа данных, определенное текущим поставщиком.

Заметка

Список алгоритмов, поддерживаемых текущим поставщиком, можно получить с помощью DMSCHEMA_MINING_SERVICES набора строк. Сведения о том, как просмотреть алгоритмы, поддерживаемые в текущем экземпляре служб Analysis Services, см. в разделе "Свойства интеллектуального анализа данных".

Список параметров
Необязательно. Список параметров, определенных поставщиком для алгоритма и разделенный запятыми.

строка XML
(Только для расширенного использования.) Модель с кодировкой XML (PMML). Строка должна быть заключена в одиночные кавычки (').

Предложение SESSION позволяет создать модель интеллектуального анализа данных, которая автоматически удаляется с сервера при закрытии подключения или истечении времени ожидания сеанса. Модели интеллектуального анализа данных СЕАНСа полезны, так как они не требуют, чтобы пользователь был администратором базы данных, и они используют только место на диске до тех пор, пока подключение открыто.

Предложение WITH DRILLTHROUGH позволяет детализровать новую модель интеллектуального анализа данных. Включить детализацию можно только при создании модели. Для некоторых типов моделей требуется детализация для просмотра модели в пользовательском средстве просмотра. Детализация не требуется для прогноза или просмотра модели с помощью средства просмотра деревьев содержимого общего вида (Майкрософт).

Инструкция CREATE MINING MODEL создает новую модель интеллектуального анализа данных, основанную на списке определений столбцов, алгоритме и списке параметров алгоритма.

Список определений столбца

Структура модели, использующей список определений столбца, определяется путем включения следующих данных в каждый столбец:

имя (обязательно);
Тип данных (обязательно)
Распределение
Список флагов моделирования
Тип содержимого (обязательно)
Запрос прогнозирования, указывающий алгоритму для прогнозирования этого столбца, указанного предложением PREDICT или PREDICT_ONLY
Отношение к столбцу атрибута (обязательно только в том случае, если оно применяется), указанное предложением RELATED TO

Чтобы определить один столбец, используйте следующий синтаксис для списка определений столбцов:

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

Чтобы определить столбец вложенной таблицы, используйте следующий синтаксис списка определений столбцов:

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

Для определения столбца можно использовать не более одного предложения каждого типа, за исключением флагов моделирования. Для любого столбца можно задать несколько флагов моделирования.

Список типов данных, типов содержимого, распределений столбцов и флагов моделирования, используемых при определении столбца, см. в следующих разделах.

К инструкции можно добавить предложение, описывающее связь между двумя столбцами. Службы Analysis Services поддерживают использование следующего <предложения связи> "Столбец".

СВЯЗАННЫЕ С
Эта форма указывает на иерархию значений. Назначением столбца RELATED TO может быть ключевой столбец вложенной таблицы, столбец с дискретными значениями из строки вариантов или какой-либо другой столбец с предложением RELATED TO, указывающим на более глубокий уровень иерархии.

Для описания использования прогнозируемого столбца используйте прогнозирующее предложение. В следующей таблице приводится описание двух возможных предложений.

<предложение прогнозирования>	Description
PREDICT	Этот столбец может быть спрогнозирован моделью и может включаться во входные варианты для прогноза значений других прогнозируемых столбцов.
PREDICT_ONLY	Данный столбец может быть спрогнозирован с помощью модели, однако его нельзя использовать во входных вариантах для вычисления значений других прогнозируемых столбцов.

Список определений параметров

Список параметров может использоваться для настройки производительности и функциональности модели интеллектуального анализа данных. Синтаксис списка параметров следующий:

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

Список параметров, связанных с каждым алгоритмом, см. в разделе "Алгоритмы интеллектуального анализа данных" (службы Analysis Services — интеллектуальный анализ данных).

Замечания

Если необходимо создать модель со встроенным набором проверочных данных, следует после ALTER MINING STRUCTURE использовать инструкцию CREATE MINING STRUCTURE. При этом не все типы моделей поддерживают набор контрольных данных. Дополнительные сведения см. в разделе CREATE MINING STRUCTURE (DMX).

Пошаговое руководство по созданию модели интеллектуального анализа данных с помощью инструкции CREATEMODEL см . в руководстве по прогнозированию временных рядов.

Пример упрощенного алгоритма Байеса

В следующем примере используется алгоритм Microsoft Naive Bayes для создания новой модели интеллектуального анализа данных. Столбец Bike Buyer определяется как прогнозируемый атрибут.

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

Пример модели взаимосвязей

В следующем примере алгоритм ассоциации Майкрософт используется для создания новой модели интеллектуального анализа данных. Преимуществом инструкции является возможность вложения таблицы внутри определения модели с помощью табличного столбца. Модель изменяется с помощью параметров MINIMUM_PROBABILITY и 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)

Пример кластеризации последовательностей

В следующем примере используется алгоритм кластеризации последовательностей Майкрософт для создания новой модели интеллектуального анализа данных. Чтобы определить модель, используются два ключа. Столбец OrderNumber используется в качестве ключа варианта и задает отдельные заказы. Столбец LineNumber используется в качестве ключа вложенной таблицы и задает последовательность добавления пунктов в заказ.

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

Пример алгоритма временных рядов

В следующем примере используется алгоритм Microsoft Times Series для создания новой модели интеллектуального анализа данных с помощью алгоритма ARTxp. ReportingDate – это ключевой столбец для временного ряда, а ModelRegion – ключевой столбец для ряда данных. В этом примере предполагается, что периодичность данных составляет 12 месяцев. Поэтому параметр PERIODICITY_HINT имеет значение 12.