Windows LiveWindows Live™
 
 
shuai's profile娱乐精神PhotosBlog Tools Help

Blog
    4/17/2006

    Study MDX by example, lesson 1

     
    1.先来个最简单的：
    SELECT
    { [Measures].[Dollar Sales], [Measures].[Unit Sales] }
    on columns,
    { [Time].[Q1, 2005], [Time].[Q2, 2005] }
    on rows
    FROM [Sales]
    WHERE ([Customer].[MA])
    输出是：
      Dollar Sales Unit Sales
    Q1, 2005 96,949.10 3,866
    Q2, 2005 104,510.20 4,125
    on columns和on rows是控制维度输出的轴(axis)（[Measures]测量度其实是一种特殊的维度）
    FROM子句后面跟的[Sales]是cube了
    WHERE子句当然是将条件限定为[Customer].[MA]
    很简单
     

    2.再来一个：
    SELECT
    { [Time].[Q1, 2005], [Time].[Q2, 2005], [Time].[Q3, 2005] }
    on columns,
    { [Customer].[MA], [Customer].[CT] }
    on rows
    FROM Sales
    WHERE ( [Measures].[Dollar Sales] )
    输出是：
     Q1, 2005 Q2, 2005 Q3, 2005
    MA 96,949.10 104,510.20 91,025.00
    CT 12,688.40 24,660.70 16,643.90
    注意，这次WHERE子句用的是测量度[Measures].[Dollar Sales]
    这理解起来其实有点变态：每个单元格值是两个维度相交的[Measures].[Dollar Sales]值
     

    3.轴
    上边是on columns和on rows，其实可以用axis(n)的写法，比如：
    { [Time].[Q1, 2005], [Time].[Q2, 2005], [Time].[Q3, 2005] }
    on axis(0),
    {[Customer].[MA], [Customer].[CT] }
    on axis(1)
    这些数字的含义是：
    0 Columns
    1 Rows
    2 Pages
    3 Chapters
    4 Sections
    如果轴数超过4的时候，就必须用axis，因为没有别名哟
    注意你使用axis时必须相邻，就是不可以从0跳到2，下面是一个错误的例子：
    SELECT
    {[Customer].[MA], [Customer].[CT] }
    on axis(2),
    { [Time].[Q1, 2005], [Time].[Q2, 2005], [Time].[Q3, 2005] }
    on axis(0)
    FROM Sales
    WHERE ( [Measures].[Dollar Sales] )
    当然混合写是没问题的：
    SELECT
    {[Customer].[MA], [Customer].[CT] }
    on rows,
    { [Time].[Q1, 2005], [Time].[Q2, 2005], [Time].[Q3, 2005] }
    on axis(0)
    FROM Sales
    WHERE ( [Measures].[Dollar Sales] )
     

    4.大小写和版式
    MDX不区别大写的：
    SELECT
    { [Time].[Q1, 2005], [Time].[Q2, 2005], [Time].[Q3, 2005] }
    ON COLUMNS, ...
    ON COLUMNS写成大写没问题
    另外写成这样更易读啦：
    SELECT {
      [Time].[Q1, 2005]
    , [Time].[Q2, 2005]
    , [Time].[Q3, 2005]
    }
    ON
    COLUMNS,
    5:46 PM | Add a comment | Permalink | Blog it
    4/11/2006

    Data Mining Algorithms of SSAS

    1.Predicting a discrete attribute. For example, to predict whether the recipient of a targeted mailing campaign will buy a product.
     to use：Microsoft Decision Trees Algorithm、Microsoft Naive Bayes Algorithm、Microsoft Clustering Algorithm、Microsoft Neural Network Algorithm (SSAS)
     
    2.Predicting a continuous attribute. For example, to forecast next year's sales.
     to use：Microsoft Decision Trees Algorithm、Microsoft Time Series Algorithm
     
    3.Predicting a sequence. For example, to perform a clickstream analysis of a company's Web site.
     to use：Microsoft Sequence Clustering Algorithm
     
    4.Finding groups of common items in transactions. For example, to use market basket analysis to suggest additional products to a customer for purchase.
     to use：Microsoft Association Algorithm、Microsoft Decision Trees Algorithm、
     
    5.Finding groups of similar items. For example, to segment demographic data into groups to better understand the relationships between attributes.
     to use：Microsoft Clustering Algorithm、Microsoft Sequence Clustering Algorithm
    2:24 PM | Add a comment | Permalink | Blog it
    4/3/2006

    F1前三轮


    目前积分
    雷诺  42 
    迈凯轮  23 
    法拉利  15 
    本田  13 
    宝马-索伯 10 
    丰田  7 
    威廉姆斯 5 
    红牛车队 1 
    红牛二队 1 
    超级亚久里 0 
    米德兰  0
     
    我的年度预测：
    迈凯轮
    雷诺
    法拉利
    本田
    丰田
    威廉姆斯
    宝马-索伯
    红牛
    米德兰
    红牛二队
    超级亚久里

    看起来差不多

    排位赛更改规则后，确实更好看了
    雷诺比想象中的更稳定
    红牛二队比想象中的更强（周米纳迪时代相比）
    米德兰比竟然和迈凯轮的车的样子差不多
    让我很难区别，不过实力就差太多了

    昨天的比赛巴顿和蒙托亚都很可惜
    尤其是巴顿
     
     
    9:42 AM | Add a comment | Permalink | Blog it