为一个数据挖掘模型定型后，可以通过使用SQL Server Management Studio或Business Intelligence Development Studio中提供的自定义查看器来浏览此模型。但是，如果您希望进行预测或者从模型中获取更深入的或更具体的信息，则必须依据此数据挖掘模型创建一个查询。在以下情况下，查询可帮助您更好地理解和处理模型中的信息：

• 进行单个预测和批预测。
• 了解有关模型发现的模式的更多信息。
• 查看有关模型的特定模式或子集的详细信息或定型事例。
• 在挖掘模型中钻取到事例的详细信息。
• 提取有关全部或部分模型和数据的公式、规则或统计信息。

　　SQL Server Analysis Services提供用于创建查询的图形设计界面，以及一种称为数据挖掘扩展插件(DMX)的查询语言，这种语言对于创建自定义预测和复杂查询很有用。若要生成DMX预测查询，可以使用SQL Server Management Studio和Business Intelligence Development Studio中均提供的查询生成器。SQL Server Management Studio中还提供了一组DMX查询模板。

• 有关如何使用查询生成器的详细信息，请参阅使用预测查询生成器创建DMX预测查询。
• 有关如何使用DMX查询模板的详细信息，请参阅在 SQL Server Management Studio中创建DMX查询或如何在SQL Server Management Studio中使用模板。

　　预测查询

　　许多数据挖掘项目的主要目标是使用挖掘模型来进行预测。例如，您可能要在十二月期间预测公司明年销售的产品数量，或者可能要预测在某个广告活动后潜在客户是否会购买产品。

　　创建预测时，通常会提供一些新数据，并要求模型基于新数据生成一个预测。可以通过在“预测联接”中将模型映射到一个外部数据源来以批方式进行预测。或者，可以通过创建一个“单独”查询一次提供一个值。

　　单独预测查询和批预测查询都使用PREDICTION JOIN语法来定义新数据：不同之处在于预测联接输入端的指定方式。在单独查询中，数据是作为查询的一部分内联提供的。在批查询中，数据来自使用OPENQUERY语法指定的外部数据源。有关详细信息，请参阅OPENQUERY (DMX)。

　　此外，使用时序模型可以仅仅基于模型来进行预测，即不需要提供任何新数据，而仅仅基于现有序列来请求预测。

　　下面提供有关如何创建上述每一类查询的信息：

• 查询类型 
• 查询选项
• 单独预测查询：针对在查询中键入的单个新事例或者多个新事例进行预测。
• 批预测：将外部数据源中的新事例映射到模型并进行预测。
• 时序预测：基于现有模型预测指定数目的将来步骤。

　　通过添加新数据来扩展现有模型，并基于组合序列来进行预测。

　　通过使用REPLACE_MODEL_CASES选项向新数据序列应用现有模型。
 
　　除了预测特定值，例如，下个月的销售额，或者要向客户建议的产品，您还可以自定义预测查询，以返回与预测有关的各种类型的信息。例如，知道预测正确的概率可能很有帮助，这样您就可以决定是否向用户提出建议。

　　若要自定义预测查询所返回的信息，应向查询中添加“预测函数”。每个模型或查询类型都支持特定的函数。例如，聚类分析模型支持特殊预测函数，这些函数提供有关模型创建的分组的额外详细信息。时序模型支持计算随时间的变化的预测函数。还有可处理几乎所有模型类型的通用预测函数。有关不同查询类型支持的预测函数的列表，请参阅将函数映射到查询类型(DMX)。有关预测函数的完整列表，请参阅数据挖掘扩展插件 (DMX) 函数参考。

　　单独查询

　　如果要实时创建简单预测，则单独查询很有用。例如，您可能通过使用网站从客户那里获取信息，然后使用这些数据返回预测，这些预测以特定于该客户的建议信息的形式呈现。或者，您也可能分析电子邮件的内容，然后使用现有分类模型来对电子邮件进行分类，并相应地传送邮件。

　　单独查询不需要包含输入的单独表。只需将一行数据传递给模型，便会实时地返回一个预测。您还可以将单独查询扩展为进行多个预测，方法是键入包含单个事例的 SELECT 语句，再添加UNION运算符，然后键入另一个SELECT语句以指定另一个事例。

　　可以通过以下方式基于现有模型创建单独查询：

• 使用数据挖掘设计器。
• 使用单独查询模板。

　　以编程方式或者在另一个Analysis Services客户端中创建DMX语句。

　　创建单独查询时，必须以PREDICTION JOIN的形式向模型提供新数据。这意味着即使不映射到实际表，也必须确保新数据与挖掘模型中的现有列匹配。如果新数据列与新数据完全匹配，则Analysis Services将自动映射列。这称为“NATURAL PREDICTION JOIN”。但是，如果列不匹配，或者新数据在类型和量上与模型所包含的数据并不相同，则必须指定模型映射中的哪些列映射到新数据，或者指定缺少的值。