다음을 통해 공유


모델 필터 구문 및 예(Analysis Services - 데이터 마이닝)

이 섹션에서는 샘플 식과 함께 필터 구문에 대한 세부 정보를 제공합니다.

필터 구문

사례 테이블에 대한 필터

중첩 테이블 특성에 대한 필터

여러 중첩 테이블 특성에 대한 필터

중첩 테이블에 없는 특성에 대한 필터

여러 중첩 테이블 값에 대한 필터

중첩 테이블 특성 및 EXISTS에 대한 필터

필터 조합

날짜에 대한 필터

필터 구문

일반적으로 필터 식은 WHERE 절의 내용에 해당합니다. 논리 연산자 AND, OR 및 NOT을 사용하여 여러 조건을 연결할 수 있습니다.

중첩 테이블에서는 EXISTS 및 NOT EXISTS 연산자도 사용할 수 있습니다. EXISTS 조건은 하위 쿼리가 하나 이상의 행을 반환하는 경우 true로 평가됩니다. 이는 중첩 테이블에 특정 값을 포함하는 사례로 모델을 제한하려는 경우 유용합니다. 특정 제품을 한 번 이상 구매한 고객으로 모델을 제한하려는 경우를 예로 들 수 있습니다.

NOT EXISTS 조건은 하위 쿼리에 지정된 조건이 없는 경우 true로 평가됩니다. 특정 제품을 구매한 적이 없는 고객으로 모델을 제한하려는 경우를 예로 들 수 있습니다.

일반 구문은 다음과 같습니다.

<filter>::=<predicate list>  | ( <predicate list> )
<predicate list>::= <predicate> | [<logical_operator> <predicate list>] 
<logical_operator::= AND| OR
<predicate>::= NOT <predicate>|( <predicate> ) <avPredicate> | <nestedTablePredicate> | ( <predicate> ) 
<avPredicate>::= <columnName> <operator> <scalar> | <columnName> IS [NOT] NULL
<operator>::= = | != | <> | > | >= | < | <=
<nestedTablePredicate>::= EXISTS (<subquery>)
<subquery>::=SELECT * FROM <columnName>[ WHERE  <predicate list> ]
  • filter
    논리 연산자로 연결된 하나 이상의 조건자를 포함합니다.

  • predicate list
    논리 연산자로 구분된 하나 이상의 올바른 필터 식입니다.

  • columnName
    마이닝 구조 열의 이름입니다.

  • logical operator
    AND, OR, NOT

  • avPredicate
    스칼라 마이닝 구조 열에만 적용할 수 있는 필터 식입니다. avPredicate 식은 모델 필터나 중첩 테이블 필터 모두에 사용될 수 있습니다.

    다음 연산자를 사용하는 식은 연속 열에만 적용할 수 있습니다. :

    • <(보다 작음)

    • >(보다 큼)

    • >=(크거나 같음)

    • <=(작거나 같음)

    [!참고]

    데이터 형식과 관계없이 이러한 연산자는 유형이 Discrete, Discretized 또는 Key인 열에 적용할 수 없습니다.

    다음 연산자를 사용하는 식은 연속 열, 불연속 열, 분할된 열 또는 키 열에 적용할 수 있습니다.

    • =(같음)

    • !=(같지 않음)

    • IS NULL

    <avPredicate>이 불연속 열에 적용되는 경우 필터에 사용되는 값은 특정 버킷의 임의 값이 될 수 있습니다.

    즉, 조건을 AgeDisc = ’25-35’로 정의하지 않고 해당 구간에서 값을 계산하여 사용합니다.

    예를 들어 AgeDisc = 27은 27과 같은 구간(이 경우 25-35)에 있는 임의의 값을 의미합니다.

  • nestedTablePredicate
    중첩 테이블에 적용되는 필터 식입니다. 모델 필터에만 사용할 수 있습니다.

    <nestedTablePredicate>의 하위 쿼리 인수는 테이블 마이닝 구조 열에만 적용할 수 있습니다.

  • subquery
    올바른 조건자 또는 조건자 목록 앞에 오는 SELECT 문입니다.

    모든 조건자의 유형은 <avPredicates>여야 합니다. 또한 조건자는 현재 중첩 테이블에 포함되어 있으며 <columnName>으로 식별되는 열만 참조할 수 있습니다.

필터 구문의 제한 사항

필터에는 다음 제한 사항이 적용됩니다.

  • 필터는 간단한 조건자만 포함할 수 있습니다. 여기에는 수치 연산자, 스칼라 및 열 이름이 포함됩니다.

  • 사용자 정의 함수는 필터 구문에서 지원되지 않습니다.

  • 더하기 기호나 빼기 기호 같이 부울이 아닌 연산자는 필터 구문에서 지원되지 않습니다.

필터 예

다음 예에서는 마이닝 모델에 적용되는 필터의 사용을 보여 줍니다. Business Intelligence Development Studio를 사용하여 속성 창 및 필터 대화 상자의 창에서 필터 식을 만드는 경우 WITH FILTER 키워드 뒤에 나타나는 문자열만 표시됩니다. 여기서는 열 유형 및 사용법을 보다 쉽게 이해할 수 있도록 마이닝 구조의 정의를 포함했습니다.

맨 위로 이동

예 1: 일반적인 사례 수준 필터링

이 예에서는 직업이 건축가이고 나이가 31세 이상인 고객으로 모델에 사용되는 사례를 제한하는 간단한 필터를 보여 줍니다.

ALTER MINING STRUCTURE MyStructure  ADD MINING MODEL MyModel_1
(
CustomerId,
Age,
Occupation,
MaritalStatus PREDICT
)
WITH FILTER (Age > 30 AND Occupation=’Architect’)

맨 위로 이동

예 2: 중첩 테이블 특성을 사용한 사례 수준 필터링

마이닝 구조에 중첩 테이블이 포함되어 있는 경우 중첩 테이블에서 값의 존재 여부를 필터링하거나 특정 값이 포함된 중첩 테이블 행을 필터링할 수 있습니다. 이 예에서는 우유를 포함한 제품을 한 번 이상 구매한 31세 이상의 고객으로 모델에 사용되는 사례를 제한합니다.

이 예에서 볼 수 있듯이 모델에 포함된 열만 필터에 사용할 필요는 없습니다. 중첩 테이블 Products는 마이닝 구조의 일부이지만 마이닝 모델에는 포함되지 않습니다. 그럼에도 불구하고 중첩 테이블의 값 및 특성을 필터링할 수 있습니다. 이러한 사례에 대한 세부 정보를 보려면 드릴스루를 사용해야 합니다.

ALTER MINING STRUCTURE MyStructure  ADD MINING MODEL MyModel_2
(
CustomerId,
Age,
Occupation,
MaritalStatus PREDICT
)
WITH DRILLTHROUGH, 
FILTER (Age > 30 AND EXISTS (SELECT * FROM Products WHERE ProductName=’Milk’)
)

맨 위로 이동

예 3: 여러 중첩 테이블 특성을 사용한 사례 수준 필터링

이 예에서는 사례 테이블에 적용되는 조건, 중첩 테이블의 특성에 적용되는 조건 및 중첩 테이블 열 중 하나의 특정 값에 적용되는 조건이라는 세 부분으로 이루어진 필터를 보여 줍니다.

필터의 첫째 조건인 Age > 30은 사례 테이블의 열에 적용됩니다. 나머지 조건은 중첩 테이블에 적용됩니다.

둘째 조건인 EXISTS (SELECT * FROM Products WHERE ProductName=’Milk’는 중첩 테이블에 우유를 포함한 한 번 이상의 구매가 있는지 확인합니다. 세 번째 조건 Quantity>=2는 고객이 단일 트랜잭션에서 두 팩 이상의 우유를 구매했음을 의미합니다.

ALTER MINING STRUCTURE MyStructure  ADD MINING MODEL MyModel_3
(
CustomerId,
Age,
Occupation,
MaritalStatus PREDICT,
Products PREDICT
(
ProductName KEY,
Quantity      
)
)
FILTER (Age > 30 AND EXISTS (SELECT * FROM Products WHERE ProductName=’Milk’  AND Quantity >= 2) 
)

맨 위로 이동

예 4: 중첩 테이블 특성의 부재에서 사례 수준 필터링

이 예에서는 중첩 테이블에서 특성의 부재를 필터링하여 특정 제품을 구매하지 않은 고객으로 사례를 제한하는 방법을 보여 줍니다. 이 예에서는 우유를 구입한 적이 없는 31세 이상의 고객을 사용하여 모델을 학습합니다.

ALTER MINING STRUCTURE MyStructure  ADD MINING MODEL MyModel_4
(
CustomerId,
Age,
Occupation,
MaritalStatus PREDICT,
Products PREDICT
(
ProductName
)
)
FILTER (Age > 30 AND NOT EXISTS (SELECT * FROM Products WHERE ProductName=’Milk’) )

맨 위로 이동

예 5: 여러 중첩 테이블 값을 사용한 필터링

이 예는 중첩 테이블 필터링을 보여 주기 위한 것입니다. 중첩 테이블 필터는 사례 필터 다음에 적용되며 중첩 테이블 행만 제한합니다.

이 모델에서는 EXISTS를 지정하지 않았으므로 빈 중첩 테이블이 있는 여러 사례가 모델에 포함될 수 있습니다.

ALTER MINING STRUCTURE MyStructure  ADD MINING MODEL MyModel_5
(
CustomerId,
Age,
Occupation,
MaritalStatus PREDICT,
Products PREDICT
(
ProductName KEY,
Quantity      
) WITH FILTER(ProductName=’Milk’ OR ProductName=’bottled water’)
)
WITH DRILLTHROUGH

맨 위로 이동

예 6: 중첩 테이블 특성 및 EXISTS를 사용한 필터링

이 예에서 중첩 테이블에 대한 필터는 우유 또는 생수를 포함하는 항목으로만 행을 제한합니다. 그런 다음 EXISTS 문을 사용하여 모델의 사례를 제한합니다. 이렇게 하면 중첩 테이블이 비어 있지 않게 됩니다.

ALTER MINING STRUCTURE MyStructure  ADD MINING MODEL MyModel_6
(
CustomerId,
Age,
Occupation,
MaritalStatus PREDICT,
Products PREDICT
(
ProductName KEY,
Quantity      
) WITH FILTER(ProductName=’Milk’ OR ProductName=’bottled water’)
)
FILTER (EXISTS (Products))

맨 위로 이동

예 7: 복잡한 필터 조합

이 모델에 대한 시나리오는 예 4의 시나리오와 비슷하지만 훨씬 더 복잡합니다. 중첩 테이블 ProductsOnSale에는 (OnSale)이라는 필터 조건이 있습니다. 이는 OnSale의 값이 ProductName에 나열된 제품에 대해 true여야 한다는 의미입니다. 여기서 OnSale은 구조 열입니다.

ProductsNotOnSale에 대한 필터의 둘째 부분에서도 이 구문이 반복되지만 여기서는 OnSale의 값이 not true(!OnSale)인 제품을 필터링합니다.

마지막으로 조건을 조합하고 추가 제한 사항을 사례 테이블에 추가합니다. 그 결과 26세 이상의 모든 고객에 대해 ProductsOnSale 목록에 포함된 사례를 기반으로 ProductsNotOnSale 목록의 제품 구매가 예측됩니다.

ALTER MINING STRUCTURE MyStructure ADD MINING MODEL MyModel_7

(

CustomerId,

Age,

Occupation,

MaritalStatus,

ProductsOnSale

(

ProductName KEY

) WITH FILTER(OnSale),

ProductsNotOnSale PREDICT ONLY

(

ProductName KEY

) WITH FILTER(!OnSale)

)

WITH DRILLTHROUGH,

FILTER (EXISTS (ProductsOnSale) AND EXISTS(ProductsNotOnSale) AND Age > 25)

맨 위로 이동

예 8: 날짜로 필터링

다른 데이터와 마찬가지로 날짜로 입력 열을 필터링할 수 있습니다. 날짜/시간 형식의 열에 포함된 날짜는 연속 값입니다. 따라서 보다 큼(>) 또는 보다 작음(<)과 같은 연산자를 사용하여 날짜 범위를 지정할 수 있습니다. 데이터 원본에서 날짜를 연속 데이터 형식이 아니라 불연속 또는 텍스트 값으로 나타낼 경우 날짜 범위를 필터링할 수 없고 개별 불연속 값을 지정해야 합니다.

그러나 필터에 사용된 날짜 열이 또한 모델의 키 열인 경우 시계열 모델에서 날짜 열에 대한 필터를 만들 수 없습니다. 이는 시계열 모델 및 시퀀스 클러스터링 모델에서 날짜 열은 KeyTime 또는 KeySequence 형식으로 처리될 수 있기 때문입니다.

시계열 모델에서 연속 날짜를 필터링해야 하는 경우 마이닝 구조에서 열의 복사본을 만들고 새 열에서 모델을 필터링할 수 있습니다.

예를 들어 다음 식은 Forecasting 모델에 추가된 Continuous 형식의 날짜 열에 대한 필터를 나타냅니다.

=[DateCopy] > '12:31:2003:00:00:00'

[!참고]

모델에 추가하는 모든 추가 열은 결과에 영향을 줄 수 있습니다. 따라서 계열의 계산에 열을 사용하지 않으려면 열을 모델이 아니라 마이닝 구조에만 추가해야 합니다. 열에서 모델 플래그를 PredictOnly 또는 Ignore로 설정할 수도 있습니다. 자세한 내용은 모델링 플래그(데이터 마이닝)를 참조하십시오.

다른 모델 유형의 경우 다른 열과 마찬가지로 입력 조건이나 필터 조건으로 날짜를 사용할 수 있습니다. 그러나 Continuous 데이터 형식에서 지원하지 않은 특정 수준의 세분성이 필요한 경우 필터링 및 분석에 사용할 단위를 추출하는 식을 사용하여 데이터 원본에서 파생 값을 만들 수 있습니다.

주의 사항주의

날짜를 필터 조건으로 지정할 때는 현재 OS의 날짜 형식에 관계없이 다음 형식을 사용해야 합니다. mm/dd/yyyy. 다른 형식을 사용하면 오류가 발생합니다.

예를 들어 콜 센터 결과를 필터링하여 주말만 표시하려면 각 날짜의 평일 이름을 추출하는 식을 데이터 원본 뷰에서 만든 후에 해당 평일 이름 값을 입력에 사용하거나 필터링에서 불연속 값으로 사용하면 됩니다. 반복 값은 모델에 영향을 줄 수 있으므로 파생 값과 함께 날짜 열을 사용하는 대신에 열 중에서 하나만 사용해야 합니다. 날짜 열을 기반으로 하는 새 값을 가진 열을 만드는 방법에 대한 예는 콜 센터 데이터의 데이터 원본 뷰 추가(중급 데이터 마이닝 자습서)를 참조하십시오.

맨 위로 이동