Freigeben über


Algorithmusreferenz (Analysis Services - Data Mining)

Dieser Abschnitt enthält Links zu Themen mit zusätzlichen Informationen über bestimmte Data Mining-Algorithmen. Dieser Abschnitt enthält auch eine Liste der Funktionen, die mit jedem Algorithmus verwendet werden können.

Einen Überblick darüber, wie Data Mining-Algorithmen funktionieren, oder die verschiedenen Geschäftsszenarien, in denen ein bestimmter Algorithmus nützlich sein kann, finden Sie unter Data Mining-Algorithmen (Analysis Services - Data Mining).

Allgemeine Beschreibung des Algorithmus

Die Auswahl des richtigen Algorithmus für den analytischen Task und die Vorbereitung der Daten im Hinblick auf die Anforderungen der Analyse sind wichtige Schritte im Data Mining-Prozess. Die folgenden Themen geben einen Überblick darüber, wie die einzelnen Algorithmen funktionieren, beschreiben ein Beispiel für einen analytischen Task, für den sich der Algorithmus eignet, und beschreiben, wie das Modell in dem Szenario verwendet wird. Jedes Thema enthält auch einen Abschnitt mit Anforderungen, der Richtlinien zur Art der für die einzelnen Modelltypen erforderlichen Daten enthält.

Microsoft Association-Algorithmus

Microsoft Clustering-Algorithmus

Microsoft Decision Trees-Algorithmus

Microsoft Linear Regression-Algorithmus

Microsoft Logistic Regression-Algorithmus

Microsoft Naive Bayes-Algorithmus

Microsoft Neural Network-Algorithmus (Analysis Services - Data Mining)

Microsoft Sequence Clustering-Algorithmus

Microsoft Time Series-Algorithmus

Technische Referenz für Algorithmen

Wenn Sie einen Algorithmus zur Erstellung eines Modells auswählen, können Sie die in Analysis Services vorgesehenen Standardwerte übernehmen; in vielen Fällen müssen Sie jedoch die Art der Erstellung des Modells oder der Verarbeitung von Daten durch den Algorithmus anpassen. Die folgenden Themen enthalten eine Beschreibung der Parameter, die Sie zur Anpassung des Miningmodells verwenden können. Ferner werden ausführliche technische Informationen über die Bereitstellung der einzelnen Algorithmen gegeben.

Technische Referenz für den Microsoft Association-Algorithmus

Technische Referenz für den Microsoft Clustering-Algorithmus

Technische Referenz für den Microsoft Decision Trees-Algorithmus

Technische Referenz für den Microsoft Linear Regression-Algorithmus

Technische Referenz für den Microsoft Logistic Regression-Algorithmus

Technische Referenz für den Microsoft Naive Bayes-Algorithmus

Technische Referenz für den Microsoft Neural Network-Algorithmus

Technische Referenz für den Microsoft Sequence Clustering-Algorithmus (Analysis Services - Data Mining)

Technische Referenz für den Microsoft Time Series-Algorithmus

Wenn Sie ein Modell erstellen, können Sie das Modell anpassen und potenziell die Ergebnisse beeinflussen, indem Sie die beim Trainieren des Modells verwendeten Daten filtern. Weitere Informationen über die Verwendung von Filtern beim Trainieren und Testen von Miningmodellen finden Sie unter Erstellen von Filtern für Miningmodelle (Analysis Services - Data Mining) und Tools zum Auswerten der Modellgenauigkeit (Analysis Services - Data Mining).

Abfragefunktion und Vorhersagefunktion (Referenz)

Mit Funktionen können Sie die Ergebnisse eines Miningmodells abrufen. Eine Vorhersagefunktion kann ausführliche Informationen über in Analysen vorkommende Muster und Statistiken liefern oder zur Erstellung von Vorhersagen und Filterung von Vorhersagen auf Basis von Wahrscheinlichkeit oder Wichtigkeit dienen.

Eine Liste aller Vorhersagefunktionen finden Sie unter Data Mining-Erweiterungen (DMX) - Funktionsreferenz.

In der folgenden Tabelle werden die Funktionen in Analysis Services aufgelistet, die zum Erstellen von Abfragen für alle Algorithmustypen verwendet werden können.

Verwenden von Vorhersagefunktionen mit bestimmten Modelltypen

Da jeder Algorithmus verschiedene Muster erstellt, gibt es zusätzliche Vorhersagefunktionen, die für den jeweiligen Modelltyp spezifisch sind. Die Art der Verwendung der Vorhersagefunktionen sowie die Art der Interpretation der Ergebnisse könnte je nach Miningmodell auch geringfügig abweichen. Beispiele zum Verwenden von Vorhersagefunktionen, um Abfragen für bestimmte Modelltypen zu erstellen, finden Sie in folgenden Themen:

Abfragen eines Zuordnungsmodells (Analysis Services – Data Mining)

Abfragen eines Clustermodells (Analysis Services – Data Mining)

Abfragen eines Entscheidungsstrukturmodells (Analysis Services – Data Mining)

Abfragen eines Naive Bayes-Modells (Analysis Services – Data Mining)

Abfragen eines linearen Regressionsmodells (Analysis Services – Data Mining)

Abfragen eines logistischen Regressionsmodells (Analysis Services – Data Mining)

Abfragen eines neuronalen Netzwerkmodells (Analysis Services - Data Mining)

Abfragen eines Sequenzclustermodells (Analysis Services – Data Mining)

Abfragen eines Zeitreihenmodells (Analysis Services – Data Mining)