SQL Server 2005中数据挖掘算法扩展方法

 
GetSupportsDMDimensions
 retrun false;
   
GetSupportsDrillThrough
 return false;
 指定这个算法是否支持钻透功能。
 
GetDrillThroughMustIncludeChildren
 return false;
   
GetCaseIdModeled
 return false;
   
GetMarginalRequirements
 return MarginalRequirements.AllStats
   
GetParametersCollection
 return null;
 算法参数，因为本文中的例子没有参数，所以这里返回空。
 
GetSupInputContentTypes
 MiningColumnContent[] arInputContentTypes = new MiningColumnContent[] 

{ 
MiningColumnContent.Discrete, 
MiningColumnContent.Continuous, 
MiningColumnContent.Discretized, 
MiningColumnContent.NestedTable, 
MiningColumnContent.Key 
}; 
 
return arInputContentTypes;
 指定算法所支持的输入属性的数据类型，如连续型、离散型等。
 
GetSupPredictContentTypes
 MiningColumnContent[] arPredictContentTypes = new MiningColumnContent[] 
{ 
MiningColumnContent.Discrete, 
MiningColumnContent.Continuous, 
MiningColumnContent.Discretized, 
MiningColumnContent.NestedTable, 
MiningColumnContent.Key 
}; 
return arPredictContentTypes;
 与上一个方法类似，这里是指定预测属性所支持的数据类型。
 
GetSupportedStandardFunctions
 SupportedFunction[] arFuncs 
= new SupportedFunction[] { 
    SupportedFunction.PredictSupport, 
    SupportedFunction.PredictHistogram, 
SupportedFunction.PredictProbability, 
SupportedFunction.PredictAdjustedProbability, 
SupportedFunction.PredictAssociation, 
SupportedFunction.PredictStdDev, 
SupportedFunction.PredictVariance, 
SupportedFunction.RangeMax, 
SupportedFunction.RangeMid, 
SupportedFunction.RangeMin, 
SupportedFunction.DAdjustedProbability, 
SupportedFunction.DProbability, 
SupportedFunction.DStdDev, 
SupportedFunction.DSupport, 
SupportedFunction.DVariance, 
// content-related functions 
SupportedFunction.IsDescendent, 
SupportedFunction.PredictNodeId, 
SupportedFunction.IsInNode, 
SupportedFunction.DNodeId, 
}; 
return arFuncs;
 指定DMX所支持的函数。
 
CreateAlgorithm
 return new Algorithm()；
 返回算法实例，Algorithm是接下来要创建的类。
 
 

方法名： 

//处理样本 
InsertCases 
参考实现：  
Code
//遍历所有的样本并且每处理100个样本更新一次处理进度。 
trainingProgress = this.Model.CreateTaskNotification(); 
// 设置当前的处理进度为0 
trainingProgress.Current = 0; 
// 取得总的样本数量。 
trainingProgress.Total = 
(int)this.MarginalStats.GetTotalCasesCount(); 
// 为跟踪提示信息设置格式字符串 
trainingProgress.Format = "Processing cases: {0} out of {1}"; 
// 开始处理 
trainingProgress.Start(); 
bool success = false; 
try 
{ 
caseSet.StartCases(this); 
success = true; 
} 
finally 
{ 
trainingProgress.End(success); 
}
 
方法名：ProcessCase 
参考实现： 
Code
// 检查并确认处理过程没有被中断。
this.Context.CheckCancelled(); 
// 更新当前的进度值 
trainingProgress.Current++;  
if (caseId % 100 == 0) 
{ 
trainingProgress.Progress(); 
} 
//TODO： 在这里进行实际的模型训练处理逻辑 
 

方法名：SaveContent
参考实现：  
Code
//创建一个自定义的标签内容用于保存处理结果（其结构类似XML），MyPersistenceTag是自定义的枚举类型 
writer.OpenScope((PersistItemTag)MyPersistenceTag.ShellAlgorithmContent); 
writer.SetValue(System.DateTime.Now); 
writer.SetAttribute((PersistItemTag)MyPersistenceTag.NumberOfCases, 
this.MarginalStats.GetTotalCasesCount()); 
writer.CloseScope(); 
 
方法名：LoadContent
参考实现：
Code
//打开自定义的标签（与SaveContent方法相对应）
reader.OpenScope((PersistItemTag)MyPersistenceTag.ShellAlgorithmContent); 
//读取处理时间 
System.DateTime processingTime; 
reader.GetValue(out processingTime); 
// 取得处理的样本数量 
uint numberCases = 0; 
reader.GetAttribute((PersistItemTag)MyPersistenceTag.NumberOfCases, out numberCases); 
reader.CloseScope(); 
 
方法名：Predict
参考实现：
Code
AttributeGroup targetAttributes = predictionResult.OutputAttributes; 
targetAttributes.Reset(); 
uint nAtt = AttributeSet.Unspecified;  
//对于每一个目标属性，从训练集中复制预测结果 
while (targetAttributes.Next(out nAtt)) 
{ 
     //创建一个AttributeStatistics对象用于保存对当前目标属性的预测结果 
    AttributeStatistics result = new AttributeStatistics(); 
    //设置预测结果中的目标属性，即当前的预测结果针对于哪个输入属性 
    result.Attribute = nAtt; 
    // 取得当前属性的概率统计值，也即通过模型训练得到的边缘统计概率。 
   AttributeStatistics trainingStats = this.MarginalStats.GetAttributeStats(nAtt); 
    //复制其余的数据到结果对象 
   result.AdjustedProbability = trainingStats.AdjustedProbability; 
    result.Max = trainingStats.Max; 
    result.Min = trainingStats.Min; 
    result.Probability = trainingStats.Probability; 
    result.Support = trainingStats.Support;  
    //复制状态统计到结果对象中 
    if (predictionResult.IncludeStatistics) 
    { 
        for ( int nIndex = 0; nIndex < trainingStats.StateStatistics.Count; nIndex++) 
{ 
    bool bAddThisState = true; 
    // 如果是丢失值状态，那么只有当需要的时候才将其包含在结果之中。 
   if (trainingStats.StateStatistics[0].Value.IsMissing) 
    {
        bAddThisState = predictionResult.IncludeMissingState; 
    }  
    if (bAddThisState) 
    { 
        result.StateStatistics.Add( 
            trainingStats.StateStatistics[(uint)nIndex]); 
    } 
} 
} 
//如果预测需要内容结点，就要为内容结点设置一个唯一的编号
if (predictionResult.IncludeNodeId) 
{ 
    result.NodeId = "000"; 
}
predictionResult.AddPrediction(result); 

方法名：GetNavigator 
参考实现：    
Code
//AlgorithmNavigator是下面要创建的类 
return new AlgorithmNavigator(this, forDMDimensionContent); 
 

    方法名（构造方法）：AlgorithmNavigator

    参考实现：
Code
this.algorithm = currentAlgorithm; 
this.forDMDimension = dmDimension; 
this.currentNode = 0;

方法名
 实现
 备注
 
MoveToNextTree
 return false;
   
GetCurrentNodeId
 return currentNode;
   
ValidateNodeId
 return (nodeId == 0);
   
LocateNode
 if (!ValidateNodeId(nodeId)) 
return false; 
currentNode = nodeId; 
return true;
   
GetNodeIdFromUniqueName
 int nNode = Convert.ToInt32(nodeUniqueName); 
return nNode;
   
GetUniqueNameFromNodeId
 return nodeId.ToString("D3");
 按三位数字的格式输出结点编号
 
GetParentCount
 return 0;
   
GetParentNodeId
 return 0;
   
GetChildrenCount
 return 0
   
GetChildNodeId
 return -1;
   
GetNodeType
 return NodeType.Model;
   
GetNodeUniqueName
 return GetUniqueNameFromNodeId(currentNode);
   
GetNodeAttributes
 return null;
   
 
方法名：
//此方法返回了描述结点的数值特征
GetDoubleNodeProperty 
参考实现： 
 
Code
double dRet = 0; 
double dTotalSupport = lgorithm.MarginalStats.GetTotalCasesCount(); 
double dNodeSupport = 0.0; 
dNodeSupport = dTotalSupport; 
switch (property) 
{ 
//结点的支持度 
case NodeProperty.Support: 
dRet = dNodeSupport; 
break; 
case NodeProperty.Score: 
dRet = 0; 
    break; 
         //结点概率 
       case NodeProperty.Probability: 
         dRet = dNodeSupport / dTotalSupport; 
    break; 
         //结点的边缘概率 
       case NodeProperty.MarginalProbability: 
         dRet = dNodeSupport / dTotalSupport; 
         break; 
    } 
return dRet; 

    方法名：
//取得结点的字符串表示
GetStringNodeProperty 
    参考实现：     
Code
string strRet = ""; 
switch (property) 
{ 
    case NodeProperty.Caption: 
    { 
        strRet = algorithm.Model.FindNodeCaption(GetNodeUniqueName()); 
        if (strRet.Length == 0) 
        {
            strRet = "All"; 
        }
    }
    break; 
    
    case NodeProperty.ConditionXml: 
    strRet = ""; 
    break; 
    
    case NodeProperty.Description: 
    strRet = "All Cases"; 
    break; 
    
    case NodeProperty.ModelColumnName: 
    strRet = ""; 
    break; 
    
    case NodeProperty.RuleXml: 
    strRet = ""; 
    break; 
    
    case NodeProperty.ShortCaption:     
    strRet = "All"; 
    break; 
} 
return strRet; 
 
 
    方法名：
//取得结点的分布
GetNodeDistribution
    参考实现： 
 
Code
int attStats = (int)algorithm.AttributeSet.GetAttributeCount(); 
AttributeStatistics[] marginalStats = new AttributeStatistics[attStats]; 
for (uint nIndex = 0; nIndex < attStats; nIndex++) 
{ 
    marginalStats[nIndex] = algorithm.MarginalStats.GetAttributeStats(nIndex); 
} 
return marginalStats;