Podczas badania model skojarzenia (Analysis Services — wyszukiwanie danych)

Następująca kwerenda zwraca podstawowe metadane dotyczące modelu skojarzeń Association, takie jak nazwa modelu, bazy danych, w której przechowywane są w modelu i liczba węzłów podrzędność w modelu. Ta kwerenda używa kwerendy zawartości DMX pobrać metadane z węzła nadrzędnego modelu:

SELECT MODEL_CATALOG, MODEL_NAME, NODE_CAPTION, 
NODE_SUPPORT, [CHILDREN_CARDINALITY], NODE_DESCRIPTION
FROM Association.CONTENT
WHERE NODE_TYPE = 1

Przykład wyniki:

Aby definicje tych kolumn oznacza w skojarzeniu modelu zobacz model wyszukiwania Zawartości dla skojarzenia modeli (Analysis Services — wyszukiwanie danych).

Powrót do początku

Za pomocą kwerend wysyłanych do zestaw zestaw wierszy schematu wyszukiwanie danych, można znaleźć informacje, które są zwracane w kwerendzie DMX zawartości.Jednak zestaw wierszy schemat zawiera kilka dodatkowych kolumn, takich jak dzień, w którym model został ostatnio przetwarzane struktura wyszukiwania i nazwę kolumna, używane jako atrybut przewidywalne.

SELECT MODEL_CATALOG, MODEL_NAME, SERVICE_NAME, PREDICTION_ENTITY, 
MINING_STRUCTURE, LAST_PROCESSED
FROM $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'Association'

Przykład wyniki:

Powrót do początku

Następująca kwerenda zwraca jedną kolumna, która zawiera szczegółowe informacje dotyczące ustawień parametrów, które były używane podczas tworzenia modelu.

SELECT MINING_PARAMETERS 
from $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'Association'

Przykład wyniki:

MAXIMUM_ITEMSET_COUNT = 200 000 MAXIMUM_ITEMSET_SIZE = 3 MAXIMUM_SUPPORT = 1, MINIMUM_SUPPORT = 9.40923449156529E - 04, MINIMUM_IMPORTANCE =-999999999, MINIMUM_ITEMSET_SIZE = 0, MINIMUM_PROBABILITY = 0,4

Następująca kwerenda pobiera wszystkie itemsets, wraz z listą produktów w każdej itemset zagnieżdżoną tabela.kolumna NODE_NAME zawiera unikatowy identyfikator itemset w ramach modelu, the NODE_CAPTION stanowi opis elementów.W tym przykładzie zagnieżdżona tabela jest spłaszczane, dzięki czemu itemset, który zawiera dwa produkty generuje dwóch wierszy w wynikach.Można pominąć słowo kluczowe FLATTENED, gdy komputer kliencki obsługuje hierarchiczny danych.

SELECT FLATTENED NODE_NAME, NODE_CAPTION,
NODE_PROBABILITY, NODE_SUPPORT,
(SELECT ATTRIBUTE_NAME FROM NODE_DISTRIBUTION) as PurchasedProducts
FROM Association.CONTENT
WHERE NODE_TYPE = 7

Przykład wyniki:

Powrót do początku

W tym przykładzie przedstawiono sposób użycia niektórych grupowanie i porządkowanie funkcje, które zawiera DMX domyślnie.Kwerenda zwraca górną itemsets 10, gdy zamówione przez obsługę dla każdego węzła.Należy zauważyć, że nie trzeba jawnie grupy wyniki, tak jak w języku Transact-SQL, jednak można użyć tylko jednej funkcja agregacja w każdej kwerendy.

SELECT TOP 10 (NODE_SUPPORT),NODE_NAME, NODE_CAPTION
FROM Association.CONTENT
WHERE NODE_TYPE = 7

Przykład wyniki:

W poniższym przykładzie za pomocą modelu skojarzeń utworzonych w podstawowym samouczek wyszukiwanie danych.To pokazuje, jak utworzyć kwerendę przewidywanie informuje, jakie produkty polecić Klient, który został zakupiony dany produkt.Ten typ kwerendy, umieść wartości do modelu w SELECT…UNION Instrukcja, nosi nazwę kwerendy pojedynczych. Ponieważ kolumna przewidywalne modelu, która odpowiada nowe wartości jest zagnieżdżona tabela, należy użyć jednej SELECT Klauzula mapowania nowej wartości do kolumn w tabeli zagnieżdżonej [Model], a inny SELECT Klauzula mapowanie kolumna tabeli zagnieżdżonej do kolumna poziom przypadek [v Assoc Seq Line Items]. Dodawanie słowa kluczowego INCLUDE STATISTICS do kwerendy umożliwia obsługę zalecenia oraz zobacz prawdopodobieństwa.

SELECT PredictAssociation([Association].[vAssocSeqLineItems],INCLUDE_STATISTICS, 3)
FROM [Association]
NATURAL PREDICTION JOIN 
(SELECT
(SELECT 'Classic Vest' as [Model])
AS [v Assoc Seq Line Items])
AS t

Przykład wyniki:

Powrót do początku

Zasady są użyteczne dla uzyskania zaleceń, itemsets są bardziej interesujące głębiej analizy wzorców zestaw danych.Na przykład jeśli nie były zadowolony z zaleceniem zwracanych w wyniku poprzedniej kwerendy przykładowe może się zbadanie inne itemsets zawierających produkt A, aby można uzyskać lepszy pomysł, czy produkt A jest akcesorium osoby mają tendencję do zakupu ze wszystkich rodzajów produktów lub czy A zdecydowanie skorelowany z zakupami poszczególnych produktów.Najprostszym sposobem poznać te relacje jest za pomocą filtrowania itemsets w Microsoft Podgląd skojarzenia; jednak można pobrać te same informacje za pomocą kwerendy.

W następującej kwerendzie przykładowej zwraca wszystkie itemsets zawierające elementy butli woda, w tym pojedynczy element butli wody.

SELECT TOP 100 FROM 
(
SELECT FLATTENED NODE_CAPTION, NODE_SUPPORT, 
(SELECT ATTRIBUTE_NAME from NODE_DISTRIBUTION
WHERE ATTRIBUTE_NAME = 'v Assoc Seq Line Items(Water Bottle)') as D
FROM Association.CONTENT
WHERE NODE_TYPE = 7
) AS Items
WHERE [D.ATTRIBUTE_NAME] <> NULL
ORDER BY NODE_SUPPORT DESC

Przykład wyniki:

Po utworzeniu kwerendy zawierającej zagnieżdżona tabela, kwerenda zwraca nie tylko wiersze w tabeli zagnieżdżonej zgodne z kryteriami, ale również wszystkie wiersze z tabeli zewnętrznej lub przypadek.W związku z tym, w tym przykładzie mamy dodane WHERE Klauzula wyeliminować wiersze tabela przypadek, które mają wartość null dla nazwy atrybut docelowego.