Freigeben über

Lektion 4: Ausführen von Marktkorbvorhersagen

In dieser Lektion verwenden Sie die DMX-Anweisung SELECT, um Vorhersagen basierend auf den Zuordnungsmodellen zu erstellen, die Sie in Lektion 2: 'Hinzufügen von Miningmodellen zur Market Basket Mining Structure' erstellt haben. Eine Vorhersageabfrage wird mithilfe der DMX-Anweisung SELECT erstellt, indem eine PREDICTION JOIN Klausel hinzugefügt wird. Weitere Informationen zur Syntax eines PREDICTION JOIN finden Sie unter SELECT FROM <model> PREDICTION JOIN (DMX).

Das SELECT FROM <Model> PREDICTION JOIN-Formular der SELECT Anweisung enthält drei Teile:

  • Eine Liste der Miningmodellspalten und Vorhersagefunktionen, die im Resultset zurückgegeben werden. Diese Liste kann auch Eingabespalten aus den Quelldaten enthalten.

  • Eine Quellabfrage, die die Daten definiert, die zum Erstellen einer Vorhersage verwendet werden. Wenn Sie beispielsweise viele Vorhersagen in einem Batch erstellen, kann die Quellabfrage eine Kundenliste abrufen.

  • Eine Zuordnung zwischen den Spalten des Miningmodells und den Quelldaten. Wenn die Spaltennamen übereinstimmen, können Sie die NATURAL PREDICTION JOIN Syntax verwenden und die Spaltenzuordnungen weglassen.

Sie können die Abfrage mithilfe von Vorhersagefunktionen verbessern. Vorhersagefunktionen stellen zusätzliche Informationen bereit, z. B. die Wahrscheinlichkeit einer Vorhersage, die eintritt, oder die Unterstützung für eine Vorhersage im Schulungsdatensatz. Weitere Informationen zu Vorhersagefunktionen finden Sie unter Funktionen (DMX).

Sie können auch den Vorhersageabfrage-Generator in SQL Server Data Tools (SSDT) verwenden, um Vorhersageabfragen zu erstellen.

Singleton PREDICTION JOIN-Anweisung

Der erste Schritt besteht darin, eine Singleton-Abfrage mithilfe der SELECT FROM <modell> PREDICTION JOIN-Syntax zu erstellen und eine einzelne Gruppe von Werten als Eingabe zu liefern. Ein allgemeines Beispiel des Singleton-Ausdrucks ist:

SELECT <select list>  
    FROM [<mining model>]   
[NATURAL] PREDICTION JOIN  
(SELECT '<value>' AS [<column>],   
    (SELECT 'value' AS [<nested column>] UNION  
        SELECT 'value' AS [<nested column>] ...)   
    AS [<nested table>])  
AS [<input alias>]

Die erste Zeile des Codes definiert die Spalten aus dem Von der Abfrage zurückgegebenen Miningmodell und gibt den Namen des Miningmodells an, das zum Generieren der Vorhersage verwendet wird:

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

Die nächste Zeile des Codes gibt den auszuführenden Vorgang an. Da Sie Werte für jede Spalte angeben und die Spaltennamen genau so eingeben, dass sie mit dem Modell übereinstimmen, können Sie die NATURAL PREDICTION JOIN Syntax verwenden. Wenn die Spaltennamen jedoch unterschiedlich waren, müssen Sie Zuordnungen zwischen den Spalten im Modell und den Spalten in den neuen Daten durch Hinzufügen einer ON Klausel angeben.

[NATURAL] PREDICTION JOIN

In den nächsten Codezeilen werden die Produkte im Einkaufswagen definiert, die verwendet werden, um zusätzliche Produkte vorherzusagen, die ein Kunde hinzufügen wird:

(SELECT '<value>' AS [<column>],   
    (SELECT 'value' AS [<nested column>] UNION  
        SELECT 'value' AS [<nested column>] ...)   
    AS [<nested table>])

Lektionsaufgaben

In dieser Lektion führen Sie die folgenden Aufgaben aus:

  • Erstellen Sie eine Abfrage, die voraussagt, welche anderen Artikel ein Kunde wahrscheinlich kaufen wird, basierend auf bereits in ihrem Einkaufswagen vorhandenen Artikeln. Sie erstellen diese Abfrage mithilfe des Miningmodells mit der standardeingestellten MINIMUM_PROBABILITY.

  • Erstellen Sie eine Abfrage, mit der vorhergesagt wird, welche anderen Artikel ein Kunde wahrscheinlich basierend auf Elementen kauft, die bereits in ihrem Einkaufswagen vorhanden sind. Diese Abfrage basiert auf einem anderen Modell, in dem MINIMUM_PROBABILITY auf 0,01 festgelegt wurde. Da der Standardwert für MINIMUM_PROBABILITY in Zuordnungsmodellen 0,3 ist, sollte die Abfrage für dieses Modell mehr mögliche Elemente zurückgeben als die Abfrage im Standardmodell.

Eine Vorhersage mit einem Modell unter Verwendung der Standard-MINIMUM_PROBABILITY erstellen

So erstellen Sie eine Zuordnungsabfrage

  1. Klicken Sie im Objekt-Explorer mit der rechten Maustaste auf die Instanz von Analysis Services, zeigen Sie auf Neue Abfrage, und klicken Sie dann auf DMX, um den Abfrage-Editor zu öffnen.

  2. Kopieren Sie das generische Beispiel der PREDICTION JOIN Anweisung in die leere Abfrage.

  3. Ersetzen Sie Folgendes:

    <select list>

    Durch:

    PREDICT([Default Association].[Products],INCLUDE_STATISTICS,3)

    Sie können nur den Spaltennamen [Produkte] einschließen, aber mithilfe der Funktion Vorhersage (SHAPE) können Sie die Anzahl der Produkte, die vom Algorithmus zurückgegeben werden, auf drei beschränken. Sie können auch verwenden INCLUDE_STATISTICS, die die Unterstützung, Wahrscheinlichkeit und angepasste Wahrscheinlichkeit für jedes Produkt zurückgibt. Diese Statistiken helfen Ihnen, die Genauigkeit der Vorhersage zu bewerten.

  4. Ersetzen Sie Folgendes:

    [<mining model>]

    Durch:

    [Default Association]

  5. Ersetzen Sie Folgendes:

    (SELECT '<value>' AS [<column>],   
    (SELECT 'value' AS [<nested column>] UNION  
        SELECT 'value' AS [<nested column>] ...)   
    AS [<nested table>])

    Durch:

    (SELECT (SELECT 'Mountain Bottle Cage' AS [Model]  
  UNION SELECT 'Mountain Tire Tube' AS [Model]  
  UNION SELECT 'Mountain-200' AS [Model]) AS [Products]) AS t

    Diese Anweisung verwendet die UNION Anweisung, um drei Produkte anzugeben, die zusammen mit den vorhergesagten Produkten im Warenkorb enthalten sein müssen. Die Spalte "Modell" in der SELECT Anweisung entspricht der Modellspalte, die in der Tabelle mit geschachtelten Produkten enthalten ist.

    Die vollständige Anweisung sollte nun wie folgt aussehen:

    SELECT  
  PREDICT([Default Association].[Products],INCLUDE_STATISTICS,3)  
From  
  [Default Association]  
NATURAL PREDICTION JOIN  
(SELECT (SELECT 'Mountain Bottle Cage' AS [Model]  
  UNION SELECT 'Mountain Tire Tube' AS [Model]  
  UNION SELECT 'Mountain-200' AS [Model]) AS [Products]) AS t

  6. Klicken Sie im Menü Datei auf Speichern unter DMXQuery1.dmx.

  7. Navigieren Sie im Dialogfeld " Speichern unter " zum entsprechenden Ordner, und benennen Sie die Datei Association Prediction.dmx.

  8. Klicken Sie auf der Symbolleiste auf die Schaltfläche "Ausführen ".

    Die Abfrage gibt eine Tabelle zurück, die drei Produkte enthält: HL Mountain Tire, Fender Set - Mountain und ML Mountain Tire. In der Tabelle sind diese zurückgegebenen Produkte in der Reihenfolge der Wahrscheinlichkeit aufgeführt. Das zurückgegebene Produkt, das höchstwahrscheinlich im gleichen Warenkorb enthalten ist wie die drei in der Abfrage angegebenen Produkte, wird oben in der Tabelle angezeigt. Die beiden Produkte, die als nächstes am wahrscheinlichsten in den Einkaufswagen gelegt werden. Die Tabelle enthält auch Statistiken zur Beschreibung der Genauigkeit der Vorhersage.

Erstellen einer Vorhersage mithilfe eines Modells mit einem MINIMUM_PROBABILITY von 0.01

So erstellen Sie eine Zuordnungsabfrage

  1. Klicken Sie im Objekt-Explorer mit der rechten Maustaste auf die Instanz von Analysis Services, zeigen Sie auf "Neue Abfrage", und klicken Sie dann auf "DMX", um den Abfrage-Editor zu öffnen.

  2. Kopieren Sie das generische Beispiel der PREDICTION JOIN Anweisung in die leere Abfrage.

  3. Ersetzen Sie Folgendes:

    <select list>

    Durch:

    PREDICT([Modified Association].[Products],INCLUDE_STATISTICS,3)

  4. Ersetzen Sie Folgendes:

    [<mining model>]

    Durch:

    [Modified Association]

  5. Ersetzen Sie Folgendes:

    (SELECT '<value>' AS [<column>],   
    (SELECT 'value' AS [<nested column>] UNION  
        SELECT 'value' AS [<nested column>] ...)   
    AS [<nested table>])

    Durch:

    (SELECT (SELECT 'Mountain Bottle Cage' AS [Model]  
  UNION SELECT 'Mountain Tire Tube' AS [Model]  
  UNION SELECT 'Mountain-200' AS [Model]) AS [Products]) AS t

    Diese Anweisung verwendet die UNION Anweisung, um drei Produkte anzugeben, die zusammen mit den vorhergesagten Produkten im Warenkorb enthalten sein müssen. Die [Model] Spalte in der SELECT Anweisung entspricht der Spalte in der Tabelle mit geschachtelten Produkten.

    Die vollständige Anweisung sollte nun wie folgt aussehen:

    SELECT  
  PREDICT([Modified Association].[Products],INCLUDE_STATISTICS,3)  
From  
  [Modified Association]  
NATURAL PREDICTION JOIN  
(SELECT (SELECT 'Mountain Bottle Cage' AS [Model]  
  UNION SELECT 'Mountain Tire Tube' AS [Model]  
  UNION SELECT 'Mountain-200' AS [Model]) AS [Products]) AS t

  6. Klicken Sie im Menü Datei auf Speichern unter DMXQuery1.dmx.

  7. Navigieren Sie im Dialogfeld " Speichern unter " zum entsprechenden Ordner, und benennen Sie die Datei Modified Association Prediction.dmx.

  8. Klicken Sie auf der Symbolleiste auf die Schaltfläche "Ausführen ".

    Die Abfrage gibt eine Tabelle zurück, die drei Produkte enthält: HL Mountain Tire, Water Bottle und Fender Set - Mountain. In der Tabelle sind diese Produkte in der Reihenfolge der Wahrscheinlichkeit aufgeführt. Das Produkt, das oben in der Tabelle angezeigt wird, ist das Produkt, das höchstwahrscheinlich in denselben Warenkorb eingeschlossen wird wie die drei in der Abfrage angegebenen Produkte. Die restlichen Produkte sind die nächstwahrscheinlich im Warenkorb enthalten sein werden. Die Tabelle enthält auch Statistiken, die die Genauigkeit der Vorhersage beschreiben.

    Sie können aus den Ergebnissen dieser Abfrage sehen, dass sich der Wert des MINIMUM_PROBABILITY-Parameters auf die von der Abfrage zurückgegebenen Ergebnisse auswirkt.

Dies ist der letzte Schritt im Market Basket-Lernprogramm. Sie verfügen jetzt über eine Reihe von Modellen, mit denen Sie die Produkte vorhersagen können, die Kunden gleichzeitig kaufen können.

Wenn Sie erfahren möchten, wie Sie DMX in einem anderen Vorhersageszenario verwenden können, siehe Bike Buyer DMX-Tutorial.

Siehe auch

Beispiele für Zuordnungsmodellabfragen
Data Mining-Abfrageschnittstellen

  • Last updated on