Creación de predicciones (Tutorial básico de minería de datos)

Después de probar la precisión de los modelos de minería de datos y de decidir que está satisfecho con los resultados, puede generar predicciones mediante el Generador de consultas de predicción en la pestaña Predicción del modelo de minería de datos del Diseñador de minería de datos.

El Generador de consultas de predicción tiene tres vistas. Con las vistas Diseño y Consulta , puede compilar y examinar la consulta. A continuación, puede ejecutar la consulta y ver los resultados en la vista Resultado .

Todas las consultas de predicción usan DMX, que es la abreviatura de el lenguaje Extensiones de Minería de Datos (DMX). DMX tiene una sintaxis similar a la de T-SQL, pero se usa para las consultas en objetos de minería de datos. Aunque la sintaxis DMX no es complicada, el uso de un generador de consultas como este o el de la minería de datos de SQL Server Add-Ins para Office facilita mucho la selección de entradas y expresiones de compilación, por lo que se recomienda encarecidamente que conozca los conceptos básicos.

Creación de la consulta

El primer paso para crear una consulta de predicción es seleccionar un modelo de minería de datos y una tabla de entrada.

Para seleccionar un modelo y una tabla de entrada

1. En la pestaña Predicción del modelo de minería de Datos del Diseñador de Minería, en el cuadro Modelo de minería, haga clic en Seleccionar modelo.

2. En el cuadro de diálogo Seleccionar modelo de minería, navegue por el árbol hasta la estructura Correo dirigido, expanda la estructura, seleccione TM_Decision_Tree, y luego haga clic en Aceptar.

3. En el cuadro Seleccionar tablas de entrada, haga clic en Seleccionar tabla de casos.

4. En el cuadro de diálogo Seleccionar tabla , en la lista Origen de datos , seleccione la vista del origen de datos Adventure Works DW Multidimensional 2012.

5. En Nombre de tabla o vista, seleccione la tabla ProspectBuyer (dbo) y, a continuación, haga clic en Aceptar.

   La ProspectiveBuyer tabla se parece más a la tabla de mayúsculas y minúsculas vTargetMail .

Mapeo de las columnas

Después de seleccionar la tabla de entrada, Prediction Query Builder crea una asignación predeterminada entre el modelo de minería y la tabla de entrada, según los nombres de las columnas. Al menos una columna de la estructura debe coincidir con una columna de los datos externos.

Para mapear las entradas al modelo

1. Haga clic con el botón derecho en las líneas que conectan la ventana Modelo de minería de datos a la ventana Seleccionar tabla de entrada y seleccione Modificar conexiones.

   Nota que no todas las columnas están asignadas. Agregaremos asignaciones para varias columnas de tabla. También generaremos una nueva columna de fecha de nacimiento basada en la columna de fecha actual, de modo que las columnas coincidan mejor.

2. En Columna de tabla, haga clic en la Bike Buyer celda y seleccione ProspectBuyer.Unknown en la lista desplegable.

   Esto asigna la columna predecible, [Bike Buyer], a una columna de la tabla de entrada.

3. Haz clic en Aceptar.

4. En el Explorador de Soluciones, haga clic con el botón derecho en la vista de origen de datos Correo Dirigido y seleccione Diseñador de Vistas.

5. Haga clic con el botón derecho en la tabla, ProspectBuyer, y seleccione Nuevo cálculo con nombre.

6. En el cuadro de diálogo Crear cálculo nombrado, en Nombre de columna, escriba calcAge.

7. En Descripción, escriba Calcular la edad en función de la fecha de nacimiento.

8. En el cuadro Expresión , escriba DATEDIFF(YYYY,[BirthDate],getdate()) y haga clic en Aceptar.

   Dado que la tabla de entrada no tiene ninguna columna Age correspondiente a la del modelo, puede usar esta expresión para calcular la antigüedad del cliente desde la columna BirthDate de la tabla de entrada. Dado que Age se identificó como la columna más influyente para predecir la compra de bicicletas, debe existir tanto en el modelo como en la tabla de entrada.

9. En el Diseñador de minería de datos, seleccione la pestaña Predicción del modelo de minería de datos y vuelva a abrir la ventana Modificar conexiones .

10. En Columna de tabla, haga clic en la celda Edad y seleccione ProspectBuyer.calcAge en la lista desplegable.

    Advertencia

    Si no ve la columna en la lista, es posible que tenga que actualizar la definición de la vista del origen de datos cargada en el diseñador. Para ello, en el menú Archivo , seleccione Guardar todo y, a continuación, cierre y vuelva a abrir el proyecto en el diseñador.

11. Haz clic en Aceptar.

Diseño de la consulta de predicción

1. El primer botón de la barra de herramientas de la pestaña Predicción del modelo de minería de datos es el botón Cambiar a la vista de diseño / Cambiar a la vista de resultados / Cambiar a la vista de consulta. Haga clic en la flecha abajo de este botón y seleccione Diseño.

2. En la cuadrícula en la pestaña Predicción del modelo de minería, haga clic en la celda de la primera fila vacía de la columna Origen y luego seleccione Función de predicción.

3. En la fila Función de predicción , en la columna Campo , seleccione PredictProbability.

   En la columna Alias de la misma fila, escriba Probabilidad de resultado.

4. En la ventana Modelo de Minería anterior, seleccione y arrastre [Bike Buyer] a la celda Criterios/Argumento.

   Cuando sueltes, [TM_Decision_Tree].[Bike Buyer] aparece en la celda de Criterios/Argumento.

   Especifica la columna de destino de la PredictProbability función. Para obtener más información sobre las funciones, vea la referencia de funciones de Extensiones de Minería de Datos (DMX).

5. Haga clic en la siguiente fila vacía de la columna Origen y, a continuación, seleccione el modelo de minería de datos TM_Decision_Tree.

6. En la TM_Decision_Tree fila, en la columna Campo , seleccione Bike Buyer.

7. En la TM_Decision_Tree fila, en la columna Criterios/Argumento , escriba =1.

8. Haga clic en la siguiente fila vacía de la columna Origen y, a continuación, seleccione la tabla ProspectiveBuyer.

9. En la ProspectiveBuyer fila, en la columna Campo, seleccione ProspectiveBuyerKey.

   Esto agrega el identificador único a la consulta de predicción para que pueda identificar quién es y quién no es probable que compre una bicicleta.

10. Agregue cinco filas más a la cuadrícula. Para cada fila, seleccione la tabla ProspectiveBuyer como Origen y agregue las columnas siguientes en las celdas Campo

    • calcAge

    • Apellido

    • Primer Nombre

    • AddressLine1

    • AddressLine2

Por último, ejecute la consulta y examine los resultados.

El Generador de consultas de predicción también incluye estos controles:

• Mostrar casilla de verificación

  Permite quitar cláusulas de la consulta sin tener que eliminarlas del diseñador. Esto puede ser útil cuando se trabaja con consultas complejas y desea conservar la sintaxis sin tener que copiar y pegar DMX en la ventana.

• Grupo

  Inserta paréntesis de apertura (izquierda) al principio de la línea seleccionada o inserta un paréntesis de cierre (derecha) al final de la línea actual.

• AND/OR

  Inserta el AND operador o el OR operador inmediatamente después de la función o columna actual.

Para ejecutar la consulta y ver los resultados

1. En la pestaña Predicción del modelo de minería, seleccione el botón Resultado.

2. Una vez que se ejecuta la consulta y se muestran los resultados, puede revisar los resultados.

   La pestaña Predicción del modelo de minería de datos muestra información de contacto para los clientes potenciales que probablemente sean compradores de bicicletas. La columna Probabilidad de resultado indica la probabilidad de que la predicción sea correcta. Puede usar estos resultados para determinar qué clientes potenciales deben dirigirse al correo.

3. En este momento, puede guardar los resultados. Tiene tres opciones:

   • Haga clic con el botón derecho en una fila de datos en los resultados y seleccione Copiar para guardar solo ese valor (y el encabezado de columna) en el Portapapeles.

   • Haga clic con el botón derecho en cualquier fila de los resultados y seleccione Copiar todo para copiar todo el conjunto de resultados, incluidos los encabezados de columna, en el Portapapeles.

   • Haga clic en Guardar resultado de la consulta para guardar los resultados directamente en una base de datos de la siguiente manera:

     1. En el cuadro de diálogo Guardar resultado de la consulta de minería de datos , seleccione un origen de datos o defina un nuevo origen de datos.

     2. Escriba un nombre para la tabla que contendrá los resultados de la consulta.

     3. Use la opción Agregar a DSV para crear la tabla y agregarla a una vista de origen de datos existente. Esto resulta útil si desea mantener todas las tablas relacionadas para un modelo, como datos de entrenamiento, datos de origen de predicción y resultados de consulta en la misma vista del origen de datos.

     4. Use la opción Sobrescribir si existe para actualizar una tabla existente con los resultados más recientes.

        Debe usar la opción para sobrescribir la tabla si ha agregado alguna columna a la consulta de predicción, ha cambiado los nombres o los tipos de datos de cualquier columna de la consulta de predicción o si ha ejecutado instrucciones ALTER en la tabla de destino.

        Además, si varias columnas tienen el mismo nombre (por ejemplo, la expresión de nombre de columna predeterminada), debe crear un alias para las columnas con nombres duplicados o se generará un error cuando el diseñador intente guardar los resultados en SQL Server. El motivo es que SQL Server no permite que varias columnas tengan el mismo nombre.

        Para obtener más información, vea Guardar resultado de consulta de minería de datos (Cuadro de diálogo de predicción del modelo de minería de datos).

Siguiente tarea de la lección

Uso de Drillthrough en datos estructurados (Tutorial básico de minería de datos)

Véase también

Creación de una consulta de predicción mediante el Generador de consultas de predicción