聚类分析模型查询示例

针对数据挖掘模型创建查询时，可以检索有关模型的元数据，或创建内容查询，该查询提供有关分析中发现的模式的详细信息。 或者，可以创建一个预测查询，该查询使用模型中的模式对新数据进行预测。 每种类型的查询都会提供不同的信息。 例如，内容查询可能会提供有关找到的群集的其他详细信息，而预测查询可能会告诉你哪些群集最有可能属于新数据点。

本部分介绍如何为基于Microsoft聚类分析算法的模型创建查询。

内容查询

使用 DMX 获取模型元数据

从模式行集检索模型元数据

返回群集或群集列表

返回群集的属性

使用系统存储过程返回群集配置文件

寻找聚类的区分因素

返回属于群集的事例

预测查询

从聚类分析模型预测结果

确定群集成员身份

返回所有可能的聚类及其概率和距离。

查找有关模型的信息

所有挖掘模型都根据标准化架构（挖掘模型架构行集）公开算法学习的内容。 可以使用数据挖掘扩展插件 （DMX） 语句针对挖掘模型架构行集创建查询。 在 SQL Server 2014 中，还可以直接以系统表的形式查询架构行集。

返回到顶部

示例查询 1：使用 DMX 获取模型元数据

以下查询返回有关在基本数据挖掘教程中创建的聚类分析模型 TM_Clustering的基本元数据。 聚类分析模型的父节点中提供的元数据包括模型的名称、存储模型的数据库以及模型中的子节点数。 此查询使用 DMX 内容查询从模型的父节点检索元数据：

SELECT MODEL_CATALOG, MODEL_NAME, NODE_CAPTION,   
NODE_SUPPORT, [CHILDREN_CARDINALITY], NODE_DESCRIPTION  
FROM TM_Clustering.CONTENT  
WHERE NODE_TYPE = 1  

示例结果：

有关聚类分析模型中这些列的含义的定义，请参阅聚类分析模型的挖掘模型内容（Analysis Services - 数据挖掘）。

返回到顶部

示例查询 2：从架构行集中检索模型元数据

通过查询数据挖掘架构行集，可以找到 DMX 内容查询中返回的相同信息。 但是，架构行集提供了一些其他列。 其中包括创建模型时使用的参数、模型上次处理的日期和时间以及模型的所有者。

以下示例返回模型创建、修改和上次处理的日期，以及用于生成模型的聚类分析参数以及训练集的大小。 此信息可用于记录模型，或确定哪些聚类分析选项用于创建现有模型。

SELECT MODEL_NAME, DATE_CREATED, LAST_PROCESSED, PREDICTION_ENTITY, MINING_PARAMETERS   
from $system.DMSCHEMA_MINING_MODELS  
WHERE MODEL_NAME = 'TM_Clustering'  

示例结果：

返回到顶部

查找有关群集的信息

对聚类分析模型最有用的内容查询通常返回可以使用 群集查看器浏览的相同类型的信息。 这包括集群配置文件、集群特征和集群区分。 本部分提供检索此信息的查询示例。

示例查询 3：返回群集或群集列表

由于所有群集的节点类型为 5，因此只需查询该类型的节点的模型内容即可轻松检索群集列表。 还可以按概率或支持筛选返回的节点，如以下示例所示。

SELECT NODE_NAME, NODE_CAPTION ,NODE_SUPPORT, NODE_DESCRIPTION  
FROM TM_Clustering.CONTENT  
WHERE NODE_TYPE = 5 AND NODE_SUPPORT > 1000  

示例结果：

定义群集的属性可以在数据挖掘架构行集中的两列中找到。

• NODE_DESCRIPTION列包含逗号分隔的属性列表。 请注意，为了显示目的，可能会缩写属性列表。

• NODE_DISTRIBUTION列中的嵌套表包含群集属性的完整列表。 如果客户端不支持分层行集，则可以通过在 SELECT 列列表之前添加 FLATTENED 关键字来返回嵌套表。 有关使用 FLATTENED 关键字的详细信息，请参阅 SELECT FROM <模型>.CONTENT (DMX)。

返回到顶部

示例查询 4：返回群集的属性

对于每个群集， 群集查看器 显示一个配置文件，其中列出了属性及其值。 查看器还显示直方图，该直方图显示模型中事例总体的值分布情况。 如果要在查看器中浏览模型，可以轻松地从挖掘图例复制直方图，然后将其粘贴到 Excel 或 Word 文档中。 还可以使用查看器的“群集特征”窗格以图形方式比较不同分类的属性。

但是，如果一次必须获取多个群集的值，则查询模型会更容易。 例如，浏览模型时，你可能会注意到前两个分类在一个属性 Number Cars Owned方面有所不同。 因此，需要提取每个群集的值。

SELECT TOP 2 NODE_NAME,   
(SELECT ATTRIBUTE_VALUE, [PROBABILITY] FROM NODE_DISTRIBUTION WHERE ATTRIBUTE_NAME = 'Number Cars Owned')  
AS t  
FROM [TM_Clustering].CONTENT  
WHERE NODE_TYPE = 5  

代码的第一行指定只需要前两个群集。

代码的第二行添加一个子选择语句，该语句仅返回嵌套表列中的某些列。 此外，它将嵌套表中的行限制为与目标属性 Number Cars Owned相关的行。 为了简化显示，给嵌套表赋予了一个别名。

返回到顶部

示例查询 5：使用系统存储过程返回群集配置文件

作为一种简便的方法，您可以调用 Analysis Services 用于处理群集的系统存储过程，而不是使用 DMX 编写自己的查询。 以下示例演示如何使用内部存储过程返回 ID 为 002 的群集的配置文件。

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetClusterProfiles('TM_Clustering", '002',0.0005  

同样，可以使用系统存储过程返回特定群集的特征，如以下示例所示：

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetClusterCharacteristics('TM_Clustering", '009',0.0005  

示例结果：

返回到顶部

示例查询 6：查找聚类的区分因素

使用群集查看器的“分类歧视”选项卡，可以轻松地将群集与其他群集进行比较，或者将群集与所有剩余事例（群集的补充）进行比较。

但是，创建查询以返回此信息可能比较复杂，并且可能需要在客户端上进行一些额外的处理来存储临时结果，并比较两个或多个查询的结果。 作为快捷方式，可以使用系统存储过程。

以下查询返回一个表，该表指示节点 ID 为 009 和 007 的两个群集之间的主要区分因素。 具有正值的属性支持分类 009，而负值的属性则有利于分类 007。

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetClusterDiscrimination('TM_Clustering','009','007',0.0005,true)  

示例结果：

如果从第一个下拉列表中选择“分类 9”，并从第二个下拉列表中选择“分类 7”，则这是分类 歧视 查看器图表中显示的相同信息。 若要将 cluster 9 与其补充进行比较，请使用第二个参数中的空字符串，如以下示例所示：

CALL System.Microsoft.AnalysisServices.System.DataMining.Clustering.GetClusterDiscrimination('TM_Clustering','009','',0.0005,true)  

返回到顶部

示例查询 7：返回属于群集的事例

如果在挖掘模型上启用了钻取功能，您可以创建查询，以返回有关模型中使用的数据实例的详细信息。 此外，如果在数据挖掘结构上启用了钻取功能，则可以使用StructureColumn (DMX)函数将数据结构中的列包括在内。

以下示例返回模型中使用的两列：Age 和 Region，以及模型中未使用的另外一列“名字”。 查询仅返回分类为群集 1 的事例。

SELECT [Age], [Region], StructureColumn('First Name')  
FROM [TM_Clustering].CASES  
WHERE IsInNode('001')  

若要返回属于群集的事例，必须知道群集的 ID。 可以通过浏览其中一个查看器中的模型来获取群集的 ID。 或者，可以重命名群集以便更轻松地引用，之后可以使用名称代替 ID 号。 请注意，如果重新处理模型，您分配给群集的名称将会丢失。

返回到顶部

使用模型进行预测

尽管聚类分析通常用于描述和理解数据，但Microsoft实现还允许对群集成员身份进行预测，并返回与预测关联的概率。 本部分提供了有关如何在聚类分析模型上创建预测查询的示例。 可以通过指定表格数据源来预测多个实例，也可以通过生成单一查询逐个输入新值。 为确保清晰，本节中的示例都是单项查询。

有关如何使用 DMX 创建预测查询的详细信息，请参阅 数据挖掘查询接口。

返回到顶部

示例查询 8：从聚类分析模型预测结果

如果创建的聚类分析模型包含可预测属性，则可以使用该模型对结果进行预测。 但是，模型根据您将可预测列设置为Predict还是PredictOnly，以不同的方式处理可预测属性。 如果将列 Predict的用法设置为，该属性的值将添加到聚类分析模型，并在完成的模型中显示为属性。 但是，如果将列 PredictOnly的用法设置为，则值不用于创建群集。 相反，在模式完成后，聚类分析算法会基于每个事例所属的 PredictOnly 分类为属性创建新值。

以下查询为模型提供了一个新案例，其中该案例的唯一信息是年龄和性别。 SELECT 语句指定你感兴趣的可预测属性/值对， PredictProbability （DMX） 函数告知这些属性的事例具有目标结果的概率。

SELECT  
  [TM_Clustering].[Bike Buyer], PredictProbability([Bike Buyer],1)  
FROM  
  [TM_Clustering]  
NATURAL PREDICTION JOIN  
(SELECT 40 AS [Age],  
  'F' AS [Gender]) AS t  

结果示例，当使用情况设置为 Predict：

将使用情况设置为 PredictOnly 并重新处理模型时的结果示例：

在此示例中，模型的差异并不重要。 但是，有时检测值的实际分布与模型预测值之间的差异可能很重要。 在此方案中， PredictCaseLikelihood （DMX） 函数非常有用，因为它告知给定模型的情况的可能性。

PredictCaseLikelihood 函数返回的数字是概率，因此始终介于 0 和 1 之间，值为 .5 表示随机结果。 因此，小于 .5 的分数意味着，给定模型的情况下，预测事例不太可能，并且评分超过.5 表示预测事例更有可能不适合模型。

例如，以下查询返回两个值，用于描述新示例事例的可能性。 非规范化值表示给定当前模型的概率。 使用 NORMALIZED 关键字时，函数返回的可能性分数通过将“概率与模型”除以“不带模型的概率”来调整。

SELECT  
PredictCaseLikelihood(NORMALIZED) AS [NormalizedValue], PredictCaseLikelihood(NONNORMALIZED) AS [NonNormalizedValue]  
FROM  
  [TM_Clustering_PredictOnly]  
NATURAL PREDICTION JOIN  
(SELECT 40 AS [Age],  
  'F' AS [Gender]) AS t  

示例结果：

请注意，这些结果中的数字以科学表示法表示。

返回到顶部

示例查询 9：确定群集成员身份

此示例使用 Cluster （DMX） 函数返回新事例最有可能所属的群集，并使用 ClusterProbability （DMX） 函数返回该群集的成员资格的概率。

SELECT Cluster(), ClusterProbability()  
FROM  
  [TM_Clustering]  
NATURAL PREDICTION JOIN  
(SELECT 40 AS [Age],  
  'F' AS [Gender],  
  'S' AS [Marital Status]) AS t  

示例结果：

注意 默认情况下，该 ClusterProbability 函数返回最有可能的聚类的概率。 但是，可以使用语法 ClusterProbability('cluster name')指定其他群集。 如果执行此作，请注意每个预测函数的结果与其他结果无关。 因此，第二列中的概率分数可以引用与第一列中命名的分类不同的分类。

返回到顶部

示例查询 10：返回所有可能簇，并附带概率和距离信息

在前面的示例中，概率分数不高。 若要确定是否有更好的聚类，可以使用 PredictHistogram （DMX） 函数和 Cluster （DMX） 函数返回包含所有可能的分类的嵌套表，以及属于每个分类的新事例的概率。 FLATTENED 关键字用于将分层行集更改为平面表，以便更轻松地查看。

SELECT FLATTENED PredictHistogram(Cluster())  
From  
  [TM_Clustering]  
NATURAL PREDICTION JOIN  
(SELECT 40 AS [Age],  
  'F' AS [Gender],  
  'S' AS [Marital Status])  

默认情况下，结果按概率排名。 结果告诉你，尽管分类 2 的概率相当低，但聚类 2 仍然是最适合新数据点的结果。

注意 其他列 $DISTANCE表示从数据点到群集的距离。 默认情况下，Microsoft聚类分析算法使用可缩放的 EM 聚类分析，它将多个群集分配给每个数据点，并对可能的群集进行排名。 但是，如果使用 K 平均值算法创建聚类分析模型，则每个数据点只能分配一个分类，并且此查询将仅返回一行。 理解这些差异是解释 PredictCaseLikelihood （DMX） 函数的结果所必需的。 有关 EM 与 K 平均值聚类分析之间的差异的详细信息，请参阅 Microsoft聚类分析算法技术参考。

返回到顶部

函数列表

所有Microsoft算法都支持一组常见的函数。 但是，使用 Microsoft 聚类分析算法生成的模型支持下表中列出的其他函数。

有关特定函数的语法，请参阅 数据挖掘扩展插件（DMX）函数参考。

另请参阅

数据挖掘查询
Microsoft聚类分析算法技术参考
Microsoft聚类分析算法