共用方式為

第 5 課：執行預測查詢

  • 發行項

新增： 2005 年 12 月 5 日

在這一課，您將使用 SELECT 陳述式的 SELECT FROM <model> PREDICTION JOIN (DMX) 格式，依據您在＜第 2 課：將採礦模型加入關聯採礦結構中＞建立的決策樹模型，來建立兩種不同類型的預測。這些預測類型定義如下。

  • 單一查詢
    使用單一查詢來判斷單一客戶是否有可能成為自行車買主。例如，如果您識別一位潛在客戶，他住在公司附近，有兩名子女，且居住地有特定區域碼，您可以使用單一查詢來判斷此人購買自行車的機率有多大。
  • 批次查詢
    使用批次查詢來判斷潛在客戶資料表中，誰有可能購買自行車。例如，如果行銷部門提供客戶和客戶屬性之清單給您，您可以使用批次預測來判斷資料表中誰有可能購買自行車。

SELECT 陳述式的 SELECT FROM <model> PREDICTION JOIN (DMX) 格式包含三個部份：

  • 結果集傳回的採礦模型資料行和預測函數的清單。這也可以包含來源資料的輸入資料行。
  • 定義用來建立預測資料的來源查詢。例如，在批次查詢中，這可能是一份客戶名單。
  • 採礦模型資料行和來源資料之間的對應。如果這些名稱相符，您就可以使用 NATURAL 語法，並省略資料行對應。

您可以使用預測函數，進一步加強查詢。預測函數提供其他資訊，例如發生預測的機率，並提供對培訓資料集的預測支援。如需有關預測函數的詳細資訊，請參閱＜函數 (DMX)＞。

此教學課程中的預測是以 AdventureWorksDW 範例資料庫中的 ProspectiveBuyer 資料表為基礎。ProspectiveBuyer 資料表包含潛在客戶及其相關聯特性的清單。此資料表的客戶與用來建立決策樹採礦模型的客戶無關。

您也可以在 Business Intelligence Development Studio 中使用預測查詢產生器來建立預測。如需詳細資訊，請參閱＜使用預測查詢產生器來建立 DMX 預測查詢＞。

課程工作

您將在這一課執行下列工作：

  • 建立單一查詢來判斷特定客戶是否有可能購買自行車
  • 建立批次查詢來判斷客戶集合中誰有可能會購買自行車

單一查詢

第一步是在單一預測查詢中使用 SELECT FROM <model> PREDICTION JOIN (DMX)。以下是單一陳述式的一般範例：

SELECT <select list> FROM [<mining model name>] 
NATURAL PREDICTION JOIN
(SELECT '<value>' AS [<column>], ...)
AS [<input aliast>]

程式碼的第一行定義在採礦模型中由查詢傳回的資料行，以及用來產生預測的採礦模型：

SELECT <select list> FROM [<mining model name>]

接下來幾行的程式碼定義您用來建立預測的客戶特性：

NATURAL PREDICTION JOIN
(SELECT '<value>' AS [<column>], ...)
AS [<input alias>]
ORDER BY <expression>

如果您指定 NATURAL PREDICTION JOIN，伺服器會根據名稱來比對模型的每一個資料行與輸入的資料行。如果資料行名稱不符，就予以忽略。

若要建立單一預測查詢

  1. 在 [物件總管] 中，以滑鼠右鍵按一下 Analysis Services 的執行個體，指向 [新增查詢]，然後按一下 [DMX]。

    此時會開啟 [查詢編輯器] 且包含新的空白查詢。

  2. 將單一陳述式的一般範例複製到空白查詢中。

  3. 取代下列項目：

    <select list>

    成為：

    [Bike Buyer] AS Buyer, PredictHistogram([Bike Buyer]) AS Statistics

    AS 陳述式是用來建立查詢傳回之資料行的別名。PredictHistogram 函數傳回有關預測的統計資料，包括機率和案例數。如需有關用於預測陳述式之函數的詳細資訊，請參閱＜函數 (DMX)＞。

  4. 取代下列項目：

    [<mining model>]

    成為：

    [Decision Tree]

  5. 取代下列項目：

    (SELECT '<value>' AS [<column name>], ...)  AS t

    成為：

    (SELECT 35 AS [Age],
  '5-10 Miles' AS [Commute Distance],
  '1' AS [House Owner Flag],
  2 AS [Number Cars Owned],
  2 AS [Total Children]) AS t

    現在，完整的陳述式應該如下所示：

    SELECT
   [Decision Tree].[Bike Buyer] AS Buyer,
   PredictHistogram([Bike Buyer]) AS Statistics
FROM
   [Decision Tree]
NATURAL PREDICTION JOIN
(SELECT 35 AS [Age],
   '5-10 Miles' AS [Commute Distance],
   '1' AS [House Owner Flag],
   2 AS [Number Cars Owned],
   2 AS [Total Children]) AS t

  6. 按一下 [檔案] 功能表上的 [將 DMXQuery1.dmx 另存為]。

  7. 在 [另存新檔] 對話方塊中，瀏覽至適當的資料夾，並將檔案命名為 Singleton_Query.dmx。

  8. 在工具列上按一下 [執行] 按鈕。

    此查詢傳回有關具有指定特性的客戶是否會購買自行車的預測，以及有關該預測的統計資料。

批次查詢

下一步是在批次預測查詢中使用 SELECT FROM <model> PREDICTION JOIN (DMX)。以下是批次陳述式的一般範例：

SELECT TOP <number> <select list> 
FROM [<mining model name>]
PREDICTION JOIN
OPENQUERY([<datasource>],'<SELECT statement>')
  AS [<input alias>]
ON <on clause>
WHERE <expression>
ORDER BY <expression>

如同在單一查詢一樣，程式碼的前兩行定義在採礦模型中由查詢傳回的資料行，以及用來產生預測的採礦模型名稱。TOP <number> 陳述式指定查詢只傳回 <number> 所指定的數字或結果。

接下來幾行的程式碼定義預測所依據的來源資料。

OPENQUERY([<datasource>],'<SELECT statement>')
  AS [<input alias>]

對於擷取來源資料的方法，您有幾個選項，但在此教學課程中，您將使用 OPENQUERY。如需有關可用選項的詳細資訊，請參閱 <source data query>。

下一行定義採礦模型中的來源資料行與來源資料中資料行之間的對應：

ON <on clause>

WHERE 子句篩選預測查詢所傳回的結果：

WHERE <expression>

程式碼的最後一行指定結果排序所依據的資料行：

ORDER BY <expression> [DESC|ASC]

結合 TOP <number> 陳述式來使用 ORDER BY，以篩選傳回的結果。例如，在此預測中，您將按預測的正確機率排序，傳回前十個自行車買主。您可以使用 [DESC|ASC] 語法來控制顯示結果的順序。

若要建立批次預測查詢

  1. 在 [物件總管] 中，以滑鼠右鍵按一下 Analysis Services 的執行個體，指向 [新增查詢]，然後按一下 [DMX]。

    此時會開啟 [查詢編輯器] 且包含新的空白查詢。

  2. 將批次陳述式的一般範例複製到空白查詢中。

  3. 取代下列項目：

    <select list>

    成為：

    SELECT
  TOP 10
  t.[LastName],
  t.[FirstName],
  [Decision Tree].[Bike Buyer],
  PredictProbability([Bike Buyer])

    TOP 10 指定查詢只傳回前十個結果。此查詢中的 ORDER BY 陳述式是按預測的正確機率來排序結果，因此，只傳回十個最可能的結果。

  4. 取代下列項目：

    [<mining model>]

    成為：

    [Decision Tree]

  5. 取代下列項目：

    OPENQUERY([<datasource>],'<SELECT statement>')

    成為：

      OPENQUERY([Adventure Works DW],
    'SELECT
      [LastName],
      [FirstName],
      [MaritalStatus],
      [Gender],
      [YearlyIncome],
      [TotalChildren],
      [NumberChildrenAtHome],
      [Education],
      [Occupation],
      [HouseOwnerFlag],
      [NumberCarsOwned]
    FROM
      [dbo].[ProspectiveBuyer]
    ') AS t

  6. 取代下列項目：

    <on clause> 
WHERE <expression>
ORDER BY <expression>

    成為：

    [Decision Tree].[Marital Status] = t.[MaritalStatus] AND
  [Decision Tree].[Gender] = t.[Gender] AND
  [Decision Tree].[Yearly Income] = t.[YearlyIncome] AND
  [Decision Tree].[Total Children] = t.[TotalChildren] AND
  [Decision Tree].[Number Children At Home] = t.[NumberChildrenAtHome] AND
  [Decision Tree].[Education] = t.[Education] AND
  [Decision Tree].[Occupation] = t.[Occupation] AND
  [Decision Tree].[House Owner Flag] = t.[HouseOwnerFlag] AND
  [Decision Tree].[Number Cars Owned] = t.[NumberCarsOwned]
WHERE [Decision Tree].[Bike Buyer] =1
ORDER BY PredictProbability([Bike Buyer]) DESC

    指定 DESC，先列出具有最高機率的結果。

    現在，完整的陳述式應該如下所示：

    SELECT
  TOP 10
  t.[LastName],
  t.[FirstName],
  [Decision Tree].[Bike Buyer],
  PredictProbability([Bike Buyer])
From
  [Decision Tree]
PREDICTION JOIN
  OPENQUERY([Adventure Works DW],
    'SELECT
      [LastName],
      [FirstName],
      [MaritalStatus],
      [Gender],
      [YearlyIncome],
      [TotalChildren],
      [NumberChildrenAtHome],
      [Education],
      [Occupation],
      [HouseOwnerFlag],
      [NumberCarsOwned]
    FROM
      [dbo].[ProspectiveBuyer]
    ') AS t
ON
  [Decision Tree].[Marital Status] = t.[MaritalStatus] AND
  [Decision Tree].[Gender] = t.[Gender] AND
  [Decision Tree].[Yearly Income] = t.[YearlyIncome] AND
  [Decision Tree].[Total Children] = t.[TotalChildren] AND
  [Decision Tree].[Number Children At Home] = t.[NumberChildrenAtHome] AND
  [Decision Tree].[Education] = t.[Education] AND
  [Decision Tree].[Occupation] = t.[Occupation] AND
  [Decision Tree].[House Owner Flag] = t.[HouseOwnerFlag] AND
  [Decision Tree].[Number Cars Owned] = t.[NumberCarsOwned]
WHERE [Decision Tree].[Bike Buyer] =1
ORDER BY PredictProbability([Bike Buyer]) DESC

  7. 按一下 [檔案] 功能表上的 [將 DMXQuery1.dmx 另存為]。

  8. 在 [另存新檔] 對話方塊中，瀏覽至適當的資料夾，並將檔案命名為 Batch_Prediction.dmx。

  9. 在工具列上按一下 [執行] 按鈕。

    查詢傳回一份資料表，其中包含客戶名稱、每一個客戶是否有可能購買自行車的預測及預測的機率。

這是 Bike Buyer 教學課程的最後步驟。現在您已有採礦模型集合，可用來探索客戶之間的相似性，並預測潛在客戶是否會購買自行車。

若要瞭解如何在購物籃狀況中使用 DMX，請參閱＜購物籃 DMX 教學課程＞。