Crear predicciones en un modelo de agrupación en clústeres de secuencia (Tutorial intermedio de minería de datos)

  • Artículo

 

Se aplica a: SQL Server 2016 Preview

Una vez que comprenda el mejor modelo de clústeres examinando en el Visor de secuencia, puede crear consultas de predicción mediante el generador de consultas de predicción en el predicción de modelo de minería de datos ficha en el Diseñador de minería de datos. Para crear una predicción, seleccione primero el modelo de agrupación en clústeres de secuencia y, a continuación, seleccione los datos de entrada. Para las entradas, puede utilizar un origen de datos externo o puede crear una consulta singleton y proporcionar los valores en un cuadro de diálogo.

En esta lección se presupone que sabe utilizar el Generador de consultas de predicción y desea obtener información acerca de cómo se crean consultas específicas para un modelo de agrupación en clústeres de secuencia. Para obtener información general acerca de cómo utilizar el generador de consultas de predicción, vea Herramientas de consulta de minería de datos o la sección del tutorial básico de minería de datos, Crear predicciones ( Tutorial de minería de datos básicos y nº 41;.

Crear predicciones en el modelo regional

En este escenario, primero creará algunas consultas de predicción singleton para hacerse una idea del modo en que las predicciones pueden variar según la región.

Para crear una consulta singleton en un modelo de agrupación en clústeres de secuencia

  1. Haga clic en el predicción de modelo de minería de datos ficha del Diseñador de minería de datos.

  2. En el el modelo de minería de datos menú de columna, seleccione consulta Singleton.

    El el modelo de minería de datos panel y entrada de consulta Singleton panel aparece.

  3. En el Mining Model panel, haga clic en Seleccionar modelo. (Puede omitir este paso si el agrupación en clústeres de secuencia ya está seleccionado).

    El Seleccionar modelo de minería de datos abre el cuadro de diálogo.

  4. Expanda el nodo que representa la estructura de minería de datos Sequence Clustering with Region, y seleccione el modelo Sequence Clustering with Region. Haga clic en Aceptar. De momento haga caso omiso al panel de entrada. Especificará los datos de entrada cuando haya configurado las funciones de predicción.

  5. En la cuadrícula, haga clic en la celda vacía bajo origen y seleccione función de predicción. En la celda bajo campo, seleccione PredictSequence.

    Nota


    También puede utilizar el Predict (función). Si, asegúrese de elegir la versión de la Predict función que toma como argumento una columna de tabla...

  6. En el el modelo de minería de datos panel, seleccione la tabla anidada v Assoc Seq Line Items, y arrástrela hasta la cuadrícula al criterios o argumento cuadro para el PredictSequence (función).

    Arrastrar y colocar los nombres de tabla y columna le permite crear instrucciones complejas sin errores de sintaxis. Sin embargo, reemplaza el contenido actual de la celda, que contiene otros argumentos opcionales para el PredictSequence (función). Para consultar los demás argumentos, puede agregar provisionalmente una segunda instancia de la función a la cuadrícula como referencia.

  7. Haga clic en el resultado situado en la esquina superior del generador de consultas de predicción.

Los resultados esperados contienen una sola columna con el encabezado expresión. El expresión columna contiene una tabla anidada con tres columnas como sigue:

$SEQUENCE Line Number Modelo
1 Mountain-200

¿Qué significan estos resultados? Recuerde que no especificó ninguna entrada. Por tanto, la predicción se realiza con todos los datos de casos rellenados, y Analysis Services devuelve la predicción que, en términos generales, es más probable.

Agregar entradas a una consulta de predicción singleton

Hasta ahora, no había especificado ninguna entrada. En la tarea siguiente, utilizará el entrada de consulta Singleton panel para especificar algunas entradas en la consulta. En primer lugar, utilizará [Region] como entrada en el modelo de agrupación en clústeres de secuencia regional para determinar si las secuencias predichas son las mismas en todas las regiones. A continuación, aprenderá a modificar la consulta para agregar la probabilidad de cada predicción y simplificará los resultados para que resulte más sencillo consultarlos.

Para generar predicciones de un grupo de clientes concreto

  1. Haga clic en el diseño botón en la esquina superior izquierda del generador de consultas de predicción para volver a la cuadrícula de generación de consultas.

  2. En el entrada de consulta Singleton cuadro de diálogo, haga clic en el valor cuadro región, y seleccione Europa.

  3. Haga clic en el resultado botón para ver las predicciones para los clientes de Europa.

  4. Haga clic en el diseño botón en la esquina superior izquierda del generador de consultas de predicción para volver a la cuadrícula de generación de consultas.

  5. En el entrada de consulta Singleton cuadro de diálogo, haga clic en el valor cuadro región, y seleccione Norteamérica.

  6. Haga clic en el resultado botón para ver las predicciones de los clientes en América del Norte.

Agregar probabilidades utilizando una expresión personalizada

Generar la probabilidad de cada predicción resulta algo más complicado, pues la probabilidad es un atributo de predicción y se genera como una tabla anidada. Si conoce las extensiones de minería de datos (DMX), puede modificar con facilidad la consulta y agregar una instrucción sub-SELECT a la tabla anidada. No obstante, también puede crear una instrucción sub-SELECT en el Generador de consultas de predicción mediante una expresión personalizada.

Para generar probabilidades de una secuencia de predicción utilizando una expresión personalizada

  1. Haga clic en el diseño botón en la esquina superior izquierda del generador de consultas de predicción para volver a la cuadrícula de generación de consultas.

  2. En la cuadrícula, bajo origen, haga clic en una nueva fila y seleccione expresión personalizada.

  3. Deje el cuadro en campo en blanco.

  4. Para Alias, tipo t.

  5. En el criterios o argumento escriba la instrucción Sub-select completa tal como se muestra en el ejemplo de código siguiente. No olvide incluir los paréntesis de apertura y cierre.

    (SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))

  6. Haga clic en el resultado botón para ver las predicciones para los clientes de Europa.

Los resultados contienen dos tablas anidadas: una con la predicción y otra con la probabilidad de la predicción. Si la consulta no funciona, puede cambiar a la vista de diseño de consultas y revisar toda la instrucción de consulta, que debería ser como la siguiente:

SELECT  
  PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]),  
  ( (SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))) as [t]  
FROM  
  [Sequence Clustering with Region]  
NATURAL PREDICTION JOIN  
(SELECT 'Europe' AS [Region]) AS t

Trabajar con resultados

Cuando hay muchas tablas anidadas en los resultados, es posible que desee simplificar los resultados para facilitar su consulta. Para ello, puede modificar la consulta de manualmente y agregar el plano (palabra clave).

Para simplificar los conjuntos de filas anidados de una consulta de predicción

  1. Haga clic en el consulta situado en la esquina del generador de consultas de predicción.

    La cuadrícula cambia a un panel abierto donde puede ver y modificar la instrucción DMX que creó el Generador de consultas de predicción.

  2. Después de la Seleccionar (palabra clave), escriba plano.

    El texto completo de la consulta debería ser similar al siguiente:

    SELECT FLATTENED  
  PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]),  
  ( (SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))) as [t]  
FROM  
  [Sequence Clustering with Region]  
NATURAL PREDICTION JOIN  
(SELECT 'Europe' AS [Region]) AS t

  3. Haga clic en el resultados situado en la esquina superior del generador de consultas de predicción.

Después de editar la consulta manualmente, no podrá volver a la vista Diseño sin perder los cambios. Sin embargo, puede guardar la instrucción DMX que creó manualmente en un archivo de texto y, a continuación, cambiar de nuevo a la vista Diseño. Al hacer esto, la consulta se revierte a la última versión que fue válida en la vista Diseño.

Crear predicciones en el modelo relacionado

En los ejemplos anteriores se utilizó una columna de una tabla de casos, Region, como entrada de la consulta de predicción singleton, porque lo que se pretendía era saber si el modelo encontraba diferencias entre las regiones. Sin embargo, después de analizar el modelo, decidió que las diferencias no eran lo suficientemente sólidas como para justificar que las recomendaciones del producto se personalizaran según la región. Lo que realmente le interesa predecir son los artículos que seleccionan los clientes. Por tanto, en las consultas siguientes, utilizará el modelo de agrupación en clústeres de secuencia que no incluye Region para generar las recomendaciones de todos los clientes.

Utilizar las columnas de una tabla anidada como entrada

En primer lugar, creará una consulta de predicción singleton que tome un único elemento como entrada y devuelva el siguiente elemento más probable. Para obtener una predicción de este tipo, deberá utilizar una columna de tabla anidada como valor de entrada. Esto se debe a que el atributo que está prediciendo, Modelo, forma parte de una tabla anidada. Analysis Services proporciona el entrada de tabla anidada cuadro de diálogo que le ayudarán a crear fácilmente consultas de predicción en anidados atributos de tabla, utilizando el generador de consultas de predicción.

Para utilizar una tabla anidada como entrada de una predicción

  1. Haga clic en el diseño botón en la esquina superior izquierda del generador de consultas de predicción para volver a la cuadrícula de generación de consultas.

  2. En el entrada de consulta Singleton cuadro de diálogo, haga clic en el valor cuadro región, y seleccione la fila vacía para borrar la entrada de este campo.

  3. En el entrada de consulta Singleton cuadro de diálogo, haga clic en el valor cuadro vAssocSeqLineItems, y, a continuación, haga clic en el botón (...).

  4. En el entrada de tabla anidada cuadro de diálogo, haga clic en Agregar.

  5. En la nueva fila, haga clic en el cuadro situado bajo modelo, y seleccione Touring Tire de la lista. Haga clic en Aceptar.

  6. Haga clic en el resultado botón para ver las predicciones.

El modelo recomienda los elementos siguientes para todos los clientes que eligen Touring Tire como primer artículo. Al examinar el modelo, ya sabe que los clientes compran con frecuencia los productos Touring Tire de y Touring Tire Tube juntos, por lo que estas recomendaciones parecen buenas.

$SEQUENCE Line Number Modelo
1 Touring Tire Tube
2 Sport-100
3 Long-Sleeve Logo Jersey

Crear una consulta de predicción masiva utilizando entradas de una tabla anidada

Ahora que el modelo crea el tipo de predicciones adecuado, por lo que se puede utilizar para realizar recomendaciones, creará una consulta de predicción que se asignará a un origen de datos externo. Ese origen de datos proporcionará valores que representan los productos actuales. Dado que lo que le interesa es crear una consulta de predicción que proporcione un identificador de cliente y una lista de productos como entrada, incorporará la tabla de clientes como la tabla de casos y la tabla de compras como la tabla anidada. A continuación, agregará funciones de predicción, tal y como hizo anteriormente, para crear recomendaciones.

Este procedimiento es el mismo que el que utilizó para crear predicciones en el escenario de la cesta de compra de la lección 3; sin embargo, en un modelo de agrupación en clústeres de secuencia, las predicciones también necesitan el pedido como entrada.

Para crear una consulta de predicción utilizando las entradas de una tabla anidada

  1. En el el modelo de minería de datos panel, seleccione la agrupación en clústeres de secuencia del modelo, si no está ya seleccionada.

  2. En la Seleccionar tabla (s) de entrada cuadro de diálogo, haga clic en Seleccionar tabla de casos.

  3. En la Seleccionar tabla cuadro de diálogo origen de datos, seleccione Orders. En el nombre de tabla o vista seleccione vAssocSeqOrders y, a continuación, haga clic en Aceptar.

  4. En la Seleccionar tabla (s) de entrada cuadro de diálogo, haga clic en Seleccionar tabla anidada.

  5. En la Seleccionar tabla cuadro de diálogo para origen de datos, seleccione Orders. En el nombre de tabla o vista seleccione vAssocSeqLineItems y, a continuación, haga clic en Aceptar.

    Analysis Services intentará detectar las relaciones y crearlas automáticamente si los tipos de datos coinciden y los nombres de columna son similares. Si las relaciones que crea son erróneas, puede haga clic en la línea de combinación y seleccione modificar conexiones para editar la columna asignación, o haga clic en la línea de combinación y seleccione Eliminar para quitar definitivamente la relación. En este caso, dado que las tablas ya estuvieron unidas en la vista del origen de datos, esas relaciones se agregan automáticamente al panel de diseño.

  6. Agregue una nueva fila a la cuadrícula. Para origen, seleccione vAssocSeqOrders y campo, seleccione CustomerKey.

  7. Agregue una nueva fila a la cuadrícula. Para origen, seleccione función de predicción, y para campo, seleccione PredictSequence.

  8. Arrastre vAssocSeqLineItems el criterios o argumento cuadro. Haga clic al final de la criterios o argumento cuadro y, a continuación, escriba los siguientes argumentos: 2.

    El texto completo en el criterios o argumento cuadro debe ser: [Sequence Clustering].[v Assoc Seq Line Items],2

  9. Haga clic en el resultado botón para ver las predicciones para cada cliente.

Ha completado el tutorial sobre modelos de agrupación en clústeres de secuencia.

Pasos siguientes

Si ha terminado de todas las secciones de la Tutorial intermedio de minería de datos ( Analysis Services: minería de datos y nº 41;, podría ser el siguiente paso aprender a utilizar las instrucciones de extensiones de minería de datos (DMX) para generar modelos y predicciones. Para obtener más información, consulte crear y consultar datos de modelos de minería con DMX: tutoriales y Nº 40; Analysis Services: minería de datos y nº 41;.

Si tiene algunos conceptos de programación, también puede utilizar Objetos de administración de análisis (AMO) para trabajar mediante programación con objetos de minería de datos. Para obtener más información, vea Clases de minería de datos de AMO.

Vea también

Ejemplos de consultas de modelos de clústeres de secuencia
Contenido del modelo de minería de datos para los modelos de agrupación en clústeres de secuencia (Analysis Services - Minería de datos)