다음을 통해 공유

ALTER MINING STRUCTURE(DMX)

  • 아티클

적용 대상: SQL Server Analysis Services

기존 마이닝 구조를 기반으로 하는 새 마이닝 모델을 만듭니다. ALTER MINING STRUCTURE 문을 사용하여 새 마이닝 모델을 만드는 경우 구조체가 이미 있어야 합니다. 반면, DMX(CREATE MINING MODEL) 문을 사용하면 모델을 만들고 기본 마이닝 구조를 동시에 자동으로 생성합니다.

구문

  
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>)]

인수

구조
마이닝 모델을 추가할 마이닝 구조의 이름입니다.

model
마이닝 모델의 고유한 이름입니다.

열 정의 목록
열 정의의 쉼표로 구분된 목록입니다.

중첩 열 정의 목록
쉼표로 구분된 중첩 테이블 열 목록입니다(해당될 경우).

중첩 필터 조건
중첩 테이블의 열에 적용되는 필터 식입니다.

알고리즘
공급자가 정의한 데이터 마이닝 알고리즘의 이름입니다.

참고 항목

현재 공급자가 지원하는 알고리즘 목록은 DMSCHEMA_MINING_SERVICES 행 집합을 사용하여 검색할 수 있습니다. Analysis Services의 현재 인스턴스에서 지원되는 알고리즘을 보려면 데이터 마이닝 속성을 참조 하세요.

매개 변수 목록
선택 사항. 알고리즘에 대한 공급자 정의 매개 변수의 쉼표로 구분된 목록입니다.

필터 조건
사례 테이블의 열에 적용되는 필터 식입니다.

설명

마이닝 구조에 복합 키가 포함된 경우 이 구조에서 정의한 모든 키 열이 마이닝 모델에 포함되어야 합니다.

모델에 예측 가능한 열이 필요하지 않은 경우(예: Microsoft 클러스터링 및 Microsoft 시퀀스 클러스터링 알고리즘을 사용하여 빌드된 모델) 문에 열 정의를 포함할 필요가 없습니다. 결과 모델의 모든 특성은 입력으로 처리됩니다.

사례 테이블에 적용되는 WITH 절에서 필터링 및 드릴스루 모두에 대한 옵션을 지정할 수 있습니다.

  • FILTER 키워드 및 필터 조건을 추가합니다. 그러면 필터가 마이닝 모델의 사례에 적용됩니다.

  • 드릴스루 키워드를 추가하여 마이닝 모델의 사용자가 모델 결과에서 사례 데이터로 드릴다운할 수 있도록 합니다. DMX(데이터 마이닝 확장)에서 드릴스루는 모델을 만들 때만 사용하도록 설정할 수 있습니다.

대/소문자 필터링과 드릴스루를 모두 사용하려면 다음 예제에 표시된 구문을 사용하여 키워드를 단일 WITH 절에 결합합니다.

WITH DRILLTHROUGH, FILTER(Gender = 'Male')

열 정의 목록

각 열에 대해 다음 정보를 포함하는 열 정의 목록을 지정하여 모델의 구조를 정의합니다.

  • 이름(필수)

  • 별칭(선택 사항)

  • 모델링 플래그

  • PREDICT 또는 PREDICT_ONLY 절로 표시된 예측 가능한 값이 열에 포함되어 있는지 여부를 알고리즘에 나타내는 예측 요청

열 정의 목록에 다음 구문을 사용하여 단일 열을 정의합니다.

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

열 이름 및 별칭

열 정의 목록에서 사용하는 열 이름은 마이닝 구조에서 사용되는 열의 이름이어야 합니다. 그러나 필요에 따라 마이닝 모델의 구조 열을 나타내는 별칭을 정의할 수 있습니다. 또한 같은 구조 열에 대한 열 정의를 여러 개 만든 다음 각각의 열 복사본에 서로 다른 별칭과 예측 사용을 할당할 수 있습니다. 기본적으로 별칭을 정의하지 않으면 구조 열 이름이 사용됩니다. 자세한 내용은 모델 열에 대한 별칭 만들기를 참조 하세요.

중첩 테이블 열의 경우 중첩 테이블의 이름을 지정하고 데이터 형식을 TABLE로 지정한 다음 모델에 포함할 중첩 열 목록을 괄호로 묶습니다.

중첩 테이블 열 정의 뒤의 필터 조건 식을 부착하여 중첩 테이블에 적용되는 필터 식을 정의할 수 있습니다.

모델링 플래그

Analysis Services는 마이닝 모델 열에 사용할 다음 모델링 플래그를 지원합니다.

참고 항목

NOT_NULL 모델링 플래그는 마이닝 구조 열에 적용됩니다. 자세한 내용은 DMX(CREATE MINING STRUCTURE)를 참조하세요.

용어 정의
회귀기 알고리즘이 회귀 알고리즘의 회귀 수식에서 지정된 열을 사용할 수 있음을 나타냅니다.
MODEL_EXISTENCE_ONLY 특성 열의 값이 특성의 존재보다 덜 중요하다는 것을 나타냅니다.

열에 대한 여러 모델링 플래그를 정의할 수 있습니다. 모델링 플래그를 사용하는 방법에 대한 자세한 내용은 DMX(Modeling Flags)를 참조하세요.

Prediction 절

예측 절은 예측 열의 사용 방법을 설명합니다. 다음 표에서는 가능한 절을 나열합니다.

절 설명
PREDICT 이 열은 모델에서 예측할 수 있으며 해당 값을 입력으로 사용하여 예측 가능한 다른 열의 값을 예측할 수 있습니다.
PREDICT_ONLY 이 열은 모델에 의해 예측될 수 있지만 이 열의 값을 입력 사례에 사용하여 다른 예측 가능 열 값을 예측할 수는 없습니다.

필터 조건 식

마이닝 모델에 사용되는 사례를 제한하는 필터를 정의할 수 있습니다. 필터는 사례 테이블의 열이나 중첩 테이블의 행 또는 둘 다에 적용할 수 있습니다.

필터 조건 식은 WHERE 절과 유사하게 간소화된 DMX 조건자입니다. 필터 식은 기본 수학 연산자, 스칼라 및 열 이름을 사용하는 수식으로 제한됩니다. 예외는 EXISTS 연산자입니다. 하위 쿼리에 대해 하나 이상의 행이 반환되면 true로 평가됩니다. 공통 논리 연산자 AND, OR 및 NOT을 사용하여 조건자를 결합할 수 있습니다.

마이닝 모델에 사용되는 필터에 대한 자세한 내용은 마이닝 모델 필터(Analysis Services - 데이터 마이닝)를 참조하세요.

참고 항목

필터의 열은 마이닝 구조 열이어야 합니다. 모델 열 또는 별칭이 지정된 열에는 필터를 만들 수 없습니다.

DMX 연산자 및 구문에 대한 자세한 내용은 마이닝 모델 열을 참조 하세요.

매개 변수 정의 목록

매개 변수 목록에 알고리즘 매개 변수를 추가하여 모델의 성능과 기능을 조정할 수 있습니다. 사용할 수 있는 매개 변수는 USING 절에 지정한 알고리즘에 따라 달라집니다. 각 알고리즘과 연결된 매개 변수 목록은 데이터 마이닝 알고리즘(Analysis Services - 데이터 마이닝)을 참조하세요.

매개 변수 목록의 구문은 다음과 같습니다.

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

예제 1: 구조체에 모델 추가

다음 예제에서는 New Mailing 마이닝 구조에 Naive Bayes 마이닝 모델을 추가하고 특성 상태의 최대 수를 50으로 제한합니다.

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)

예제 2: 구조체에 필터링된 모델 추가

다음 예제에서는 새 메일링 마이닝 구조에 마이닝 모델을 Naive Bayes Women추가합니다. 새 모델에는 예제 1에 추가된 마이닝 모델과 동일한 기본 구조가 있습니다. 그러나 이 모델은 마이닝 구조에서 50세 이상의 여성 고객으로 사례를 제한합니다.

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)

예제 3: 중첩 테이블을 사용하여 구조체에 필터링된 모델 추가

다음 예제에서는 시장 바구니 마이닝 구조의 수정된 버전에 마이닝 모델을 추가합니다. 이 예제에 사용된 마이닝 구조는 고객 지역에 대한 특성을 포함하는 지역 열과 높음, 보통 또는 낮음 값을 사용하여 고객 소득을 분류하는 소득 그룹 열을 추가하도록 수정되었습니다.

마이닝 구조에는 고객이 구매한 항목을 나열하는 중첩 테이블도 포함됩니다.

마이닝 구조에 중첩 테이블이 포함되어 있으므로 사례 테이블, 중첩 테이블 또는 둘 다에 대한 필터를 정의할 수 있습니다. 이 예에서는 Road Tire 모델 중 하나를 구매한 부유한 유럽 고객으로 사례를 제한하기 위해 사례 필터와 중첩 행 필터를 결합합니다.

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

참고 항목

DMX(데이터 마이닝 확장) 데이터 정의 문
DMX(데이터 마이닝 확장) 데이터 조작 문
DMX(Data Mining Extensions) 문 참조