카테고리:: 테이블 함수

TOP_INSIGHTS¶

정규화된 이름: SNOWFLAKE.ML.TOP_INSIGHTS

데이터 세트에서 가장 중요한 차원을 찾고 해당 차원에서 세그먼트를 만든 다음, 이들 중 메트릭에 영향을 준 세그먼트를 검색합니다.

TOP_INSIGHTS는 차원 수가 많이 있는 데이터 세트에서 근본 원인을 파악하는 데 적합합니다. 연속 차원은 범주 차원으로 사전 처리하지 않고도 지원되며 결과는 부정 조건(예: 《리전이 북미가 아님》)이 있는 차원을 나타낼 수 있습니다.

구문¶

SNOWFLAKE.ML.TOP_INSIGHTS(
  <categorical_dimensions>, <continuous_dimensions>,
  <metric>, <label> )

Copy

인자¶

categorical_dimensions: 차원 이름과 연결된 범주형 열 사이의 1:1 매핑을 포함하는 OBJECT 입니다. 값은 단일 열에서 가져오거나 단순한 열 조합에서 파생될 수 있습니다.
continuous_dimensions: 차원 이름과 연결된 연속 열 사이의 1:1 매핑을 포함하는 OBJECT 입니다. 값은 단일 열에서 가져오거나 단순한 열 조합에서 파생될 수 있습니다. 연속 차원의 값은 NULL이 아니어야 합니다.
metric: 조사 중인 대상 메트릭을 나타내는 FLOAT 열입니다. 이 값은 엄격히 음수가 아니어야 합니다. 값은 단일 열에서 가져오거나 단순한 열 조합에서 파생될 수 있습니다.
label: 제어 데이터와 테스트 데이터를 구분하는 BOOLEAN 열입니다. TRUE 는 테스트 데이터를 나타내고 FALSE 는 제어 데이터를 나타냅니다. 값은 단일 열에서 가져오거나 단순한 열 조합(예: 날짜 비교)에서 파생될 수 있습니다.

출력¶

이 함수는 다음 열을 반환합니다.

열 이름	데이터 타입	설명
`contributor`	ARRAY	알고리즘에서 세그먼트 또는 인사이트를 정의하는 문자열로 구성된 ARRAY입니다. 예: [ "not country = canada", "length_of_vertical <= 4.5", "vertical = finance" ] Copy
`metric_control`	FLOAT	특정 세그먼트의 제어 기간에 메트릭의 값 총계입니다.
`metric_test`	FLOAT	특정 세그먼트의 테스트 기간에 메트릭의 값 총계입니다.
`surprise`	FLOAT	`metric_test` 가 여러 기간에 걸친 전체 메트릭 변화를 기준으로 예상되는 값을 초과하는 양입니다.
`relative_change`	FLOAT	동 기간에 걸친 전체 메트릭과 비교하여 기간에 따라 특정 세그먼트의 메트릭이 변하는 양상을 정량화한 것입니다. 1.0보다 큰 상대적 변화는 이 세그먼트가 여러 기간에 걸쳐 전체 메트릭보다 더 높은 속도로 증가해 성장을 주도했음을 의미합니다. 1.0보다 작은 상대적 변화는 이 세그먼트가 전체 메트릭보다 더 낮은 속도로 증가해 감소를 주도했음을 의미합니다.
`growth_rate`	FLOAT	모든 세그먼트에 걸쳐 제어 기간에 메트릭 값 총계입니다.
`expected_metric_test`	FLOAT	`overall_metric_control` 과 `overall_metric_test` 사이의 관계를 기반으로 하는 테스트 기간의 메트릭 예상 값입니다.
`overall_metric_control`	FLOAT	모든 세그먼트에 걸쳐 제어 기간에 메트릭 값 총계입니다.
`overall_metric_test`	FLOAT	모든 세그먼트에 걸쳐 테스트 기간에 메트릭 값 총계입니다.
`overall_growth_rate`	FLOAT	모든 세그먼트에서 제어 기간과 테스트 기간 사이의 성장률로, `overall_metric_test` 를 `overall_metric_control` 로 나눈 값으로 정의됩니다.
`new_in_test`	BOOLEAN	특정 세그먼트가 테스트 데이터에서 새것인지 여부를 나타냅니다.
`missing_in_test`	BOOLEAN	특정 세그먼트가 테스트 데이터에서 누락되었는지 여부를 나타냅니다.

사용법 노트¶

메트릭은 음수가 아니어야 합니다.
입력 데이터는 테스트 또는 제어 데이터로만 제한되어야 합니다.
런타임은 차원의 수와 해당 차원의 카디널리티에 따라 가변적입니다.
범주형 차원의 카디널리티는 카디널리티가 5를 초과하면 자동으로 줄어듭니다.

예¶

Contribution Explorer 예시 를 참조하십시오.