ALTER MINING STRUCTURE (DMX)

Crée un modèle d'exploration de données sur la base d'une structure d'exploration de données existante. Lorsque vous utilisez l'instruction ALTER MINING STRUCTURE pour créer un modèle d'exploration de données, la structure doit déjà exister. En revanche, lorsque vous utilisez l'instruction CREATE MINING MODEL (DMX), vous créez un modèle et vous générez automatiquement sa structure d'exploration de données sous-jacente en même temps.

Syntaxe

ALTER MINING STRUCTURE <structure>
ADD MINING MODEL <model>
(
    <column definition list>
  [(<nested column definition list>) [WITH FILTER (<nested filter criteria>)]]
)
USING <algorithm> [(<parameter list>)] 
[WITH DRILLTHROUGH]
[,FILTER(<filter criteria>)]

Arguments

• structure
  Nom de la structure d'exploration de données à laquelle le modèle d'exploration de données sera ajouté.

• model
  Nom unique du modèle d'exploration de données.

• column definition list
  Liste des définitions de colonnes séparées par des virgules.

• nested column definition list
  Liste séparée par des virgules de colonnes d'une table imbriquée (le cas échéant).

• nested filter criteria
  Expression de filtre appliquée aux colonnes dans une table imbriquée.

• algorithm
  Nom d'un algorithme d'exploration de données, tel que défini par le fournisseur.

  [!REMARQUE]

  Une liste des algorithmes pris en charge par le fournisseur actuel peut être récupérée en utilisant Ensemble de lignes DMSCHEMA_MINING_SERVICES. Pour afficher les algorithmes pris en charge dans l'instance actuelle de Analysis Services, consultez Propriétés de l'exploration de données.

• parameter list
  Facultatif. Liste séparée par des virgules des paramètres définis par le fournisseur de l'algorithme.

• filter criteria
  Expression de filtre appliquée aux colonnes dans la table de cas.

Notes

Si la structure d'exploration de données contient des clés composites, le modèle d'exploration de données doit comporter toutes les colonnes clés définies dans la structure.

Si le modèle ne requiert pas de colonne prédictible, par exemple les modèles qui sont générés à l'aide de l'algorithme de gestion de clusters Microsoft et de l'algorithme MSC (Microsoft Sequence Clustering), il n'est pas nécessaire d'inclure une définition de colonne dans l'instruction. Tous les attributs figurant dans le modèle obtenu seront considérés comme des entrées.

Dans la clause WITH qui s'applique à la table de cas, vous pouvez spécifier des options pour le filtrage et l'extraction :

• Ajoutez le mot clé FILTER et une condition de filtre. Le filtre s'applique aux cas dans le modèle d'exploration de données.

• Ajoutez le mot clé DRILLTHROUGH pour permettre aux utilisateurs du modèle d'exploration de données de descendre dans la hiérarchie des résultats du modèle aux données de cas. Dans les extensions DMX (Data Mining Extensions), l'extraction ne peut être activée que lors de la création du modèle.

Pour utiliser le filtrage et l'extraction de cas, vous combinez les mots clés dans une clause WITH unique à l'aide de la syntaxe indiquée dans l'exemple suivant :

WITH DRILLTHROUGH, FILTER(Gender = 'Male')

Liste des définitions de colonnes

Vous définissez la structure d'un modèle en spécifiant une liste de définitions de colonnes qui comprend les informations suivantes pour chaque colonne :

• Nom (obligatoire)

• Alias (facultatif)

• Indicateurs de modélisation

• Requête de prédiction, qui indique à l'algorithme si la colonne contient une valeur prévisible, indiquée par la clause PREDICT ou PREDICT_ONLY.

Utilisez la syntaxe suivante pour la liste de définitions de colonnes pour définir une seule colonne :

<structure column name>  [AS <model column name>]  [<modeling flags>]    [<prediction>]

Nom de colonne et alias

Le nom de colonne que vous utilisez dans la liste de définitions de colonnes doit être identique à celui utilisé dans la structure d'exploration de données. Toutefois, vous pouvez éventuellement définir un alias pour représenter la colonne de structure dans le modèle d'exploration de données. Vous pouvez également créer plusieurs définitions de colonne pour la même colonne de structure et attribuer un alias et une utilisation de prédiction différents à chaque copie de la colonne. Par défaut, le nom de la colonne de structure est utilisé si vous ne définissez pas d'alias. Pour plus d'informations, consultez Créer un alias pour une colonne du modèle.

Pour des colonnes de table imbriquée, vous spécifiez le nom de la table imbriquée et TABLE comme type de données, puis vous fournissez la liste de colonnes imbriquées à inclure dans le modèle (entre parenthèses).

Vous pouvez définir une expression de filtre appliquée à la table imbriquée en apposant une expression de critères de filtre après la définition de la colonne de table imbriquée.

Indicateurs de modélisation

Analysis Services prend en charge les indicateurs de modélisation suivants pour une utilisation dans les colonnes de modèle d'exploration de données :

[!REMARQUE]

L'indicateur de modélisation NOT_NULL s'applique à la colonne de structure d'exploration de données. Pour plus d'informations, consultez CREATE MINING STRUCTURE (DMX).

Vous pouvez définir plusieurs indicateurs de modélisation pour une colonne. Pour plus d'informations sur l'utilisation d'indicateurs de modélisation, consultez Indicateurs de modélisation (DMX).

Clause de prédiction

La clause de prédiction décrit de quelle manière la colonne de prédiction est utilisée. Le tableau suivant répertorie les clauses possibles.

Expressions de critères de filtre

Vous pouvez définir un filtre qui restreint les cas utilisés dans le modèle d'exploration de données. Le filtre peut être appliqué aux colonnes dans la table de cas ou aux lignes dans la table imbriquée, ou bien aux deux à la fois.

Les expressions de critères de filtre sont des prédicats DMX simplifiées, semblables à une clause WHERE. Les expressions de filtre se limitent à des formules qui utilisent des opérateurs mathématiques de base, des scalaires et des noms de colonne. L'opérateur EXISTS fait figure d'exception, car il prend la valeur True si au moins une ligne est retournée pour la sous-requête. Les prédicats peuvent être combinés en utilisant les opérateurs logiques communs AND, OR et NOT.

Pour plus d'informations sur les filtres utilisés avec les modèles d'exploration de données, consultez Filtres pour les modèles d'exploration de données (Analysis Services - Exploration de données).

[!REMARQUE]

Les colonnes dans un filtre doivent être des colonnes de structure d'exploration de données. Vous ne pouvez pas créer de filtre sur une colonne de modèle ou une colonne en tant qu'alias.

Pour plus d'informations sur les opérateurs DMX et la syntaxe, consultez Colonnes d'un modèle d'exploration de données.

Liste des définitions des paramètres

Vous pouvez ajuster les performances et la fonctionnalité d'un modèle en ajoutant des paramètres d'algorithme à la liste des paramètres. Les paramètres que vous pouvez utiliser dépendent de l'algorithme que vous spécifiez dans la clause USING. Pour obtenir la liste des paramètres associés à chaque algorithme, consultez Algorithmes d'exploration de données (Analysis Services - Exploration de données).

La syntaxe de la liste des paramètres est la suivante :

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

Exemple 1 : ajouter un modèle à une structure

L'exemple suivant ajoute un modèle d'exploration de données Naive Bayes à la structure d'exploration de données New Mailing (Nouveau Publipostage) et limite le nombre maximal d'états d'attribut à 50.

ALTER MINING STRUCTURE [New Mailing]
ADD MINING MODEL [Naive Bayes]
(
    CustomerKey, 
    Gender,
    [Number Cars Owned],
    [Bike Buyer] PREDICT
)
USING Microsoft_Naive_Bayes (MAXIMUM_STATES = 50)

Exemple 2 : ajouter un modèle filtré à une structure

L'exemple suivant ajoute un modèle d'exploration de données, Naive Bayes Women, à la structure d'exploration de données New Mailing. Le nouveau modèle a la même structure de base que le modèle d'exploration de données ajouté dans l'exemple 1, à la différence près que ce modèle restreint les cas de la structure d'exploration de données aux clients qui sont des femmes de plus de 50 ans.

ALTER MINING STRUCTURE [New Mailing]
ADD MINING MODEL [Naive Bayes Women]
(
    CustomerKey, 
    Gender,
    [Number Cars Owned],
    [Bike Buyer] PREDICT
)
USING Microsoft_Naive_Bayes
WITH FILTER([Gender] = 'F' AND [Age] >50)

Exemple 3 : ajouter un modèle filtré à une structure avec une table imbriquée

L'exemple suivant ajoute un modèle d'exploration de données à une version modifiée de la structure d'exploration de données du panier d'achat. La structure d'exploration de données utilisée dans l'exemple a été modifiée pour ajouter une colonne Region, qui contient des attributs pour la région du client, et une colonne Income Group, qui classe le revenu du client par catégorie selon les valeurs High, Moderate et Low.

La structure d'exploration de données inclut également une table imbriquée qui répertorie les articles que le client a achetés.

Étant donné que la structure d'exploration de données contient une table imbriquée, vous pouvez définir un filtre sur la table de cas, la table imbriquée ou les deux. Cet exemple combine un filtre de cas et un filtre de lignes imbriqué pour restreindre les cas aux clients européens fortunés qui ont acheté l'un des modèles de pneu route.

ALTER MINING STRUCTURE [Market Basket with Region and Income]
ADD MINING MODEL [Decision Trees]
(
    CustomerKey, 
    Region,
    [Income Group],
    [Product] PREDICT (Model) 
WITH FILTER (EXISTS (SELECT * FROM [v Assoc Seq Line Items] WHERE 
 [Model] = 'HL Road Tire' OR
 [Model] = 'LL Road Tire' OR
 [Model] = 'ML Road Tire' )
)
) WITH FILTER ([Income Group] = 'High' AND [Region] = 'Europe')
USING Microsoft_Decision Trees

Voir aussi

Référence

Instructions de définition de données DMX (Data Mining Extensions)

Instructions de manipulations de données DMX (Data Mining Extensions)

Guide de référence des instructions DMX (Data Mining Extensions)