Personalizzazione di un modello di data mining (Analysis Services - Data mining)

Modifica dei dati utilizzati dal modello

Le decisioni adottate sulle colonne di dati da utilizzare nel modello e sulle modalità di utilizzo e di elaborazione dei dati possono influire significativamente sui risultati dell'analisi. Negli argomenti seguenti vengono fornite informazioni che semplificano la comprensione di tali scelte.

• Modelli di data mining (Analysis Services - Data mining)

  Viene fornita una panoramica dell'architettura di un modello di data mining, incluse la struttura di data mining sottostante e la scelta delle colonne di data mining.

• Creazione di filtri per i modelli di data mining (Analysis Services - Data mining)

  Viene illustrato come creare filtri da applicare a un modello di data mining per creare modelli basati su un subset dei dati della struttura di data mining.

• Caratteristica di selezione degli attributi nel data mining.

  Viene descritto il modo in cui Analysis Services utilizza un processo denominato selezione di funzionalità per selezionare solo gli attributi più utili da aggiungere a un modello. La riduzione del numero di colonne e di attributi può migliorare le prestazione e la qualità del modello. I metodi disponibili per la selezione delle funzionalità differiscono a seconda dell'algoritmo scelto.

Se si utilizza la Creazione guidata modello di data mining, è inoltre possibile fare in modo che i dati più utili per la compilazione di un modello specifico vengano selezionati automaticamente da Analysis Services.

Personalizzazione delle impostazioni dell'algoritmo

La scelta dell'algoritmo determina il tipo di risultati ottenuto. Per informazioni generali sul funzionamento di un algoritmo specifico o gli scenari aziendali in cui l'utilizzo di un determinato algoritmo può rivelarsi utile, vedere Algoritmi di data mining (Analysis Services - Data mining).

Gli algoritmi di data mining disponibili in Analysis Services possono inoltre essere personalizzati in modo esteso. È possibile determinare il comportamento dell'algoritmo e la relativa modalità di elaborazione dei dati impostando i parametri dell'algoritmo. Negli argomenti seguenti vengono fornite informazioni dettagliate sui parametri supportati da ciascun algoritmo.

Riferimento tecnico per l'algoritmo Microsoft Decision Trees

Riferimento tecnico per l'algoritmo Microsoft Clustering

Riferimento tecnico per l'algoritmo Microsoft Naive Bayes

Riferimento tecnico per l'algoritmo Microsoft Association Rules

Riferimento tecnico per l'algoritmo Microsoft Sequence Clustering (Analysis Services - Data mining)

Riferimento tecnico per l'algoritmo Microsoft Neural Network

Riferimento tecnico per l'algoritmo Microsoft Logistic Regression

Riferimento tecnico per l'algoritmo Microsoft Linear Regression

Riferimento tecnico per l'algoritmo Microsoft Time Series

L'argomento per ogni tipo di algoritmo include inoltre le funzioni di stima che possono essere utilizzate con i modelli basati sull'algoritmo specifico.

Elenco di parametri dell'algoritmo

Ogni algoritmo supporta parametri che è possibile utilizzare per personalizzare il comportamento dell'algoritmo e ottimizzare i risultati del modello. Per una descrizione di come utilizzare ciascun parametro, vedere gli argomenti seguenti:

Nome proprietà	Si applica a
AUTO_DETECT_PERIODICITY	Riferimento tecnico per l'algoritmo Microsoft Time Series
CLUSTER_COUNT	Riferimento tecnico per l'algoritmo Microsoft Clustering Riferimento tecnico per l'algoritmo Microsoft Sequence Clustering (Analysis Services - Data mining)
CLUSTER_SEED	Riferimento tecnico per l'algoritmo Microsoft Clustering
CLUSTERING_METHOD	Riferimento tecnico per l'algoritmo Microsoft Clustering
COMPLEXITY_PENALTY	Riferimento tecnico per l'algoritmo Microsoft Decision Trees Riferimento tecnico per l'algoritmo Microsoft Time Series
FORCE_REGRESSOR	Riferimento tecnico per l'algoritmo Microsoft Decision Trees Riferimento tecnico per l'algoritmo Microsoft Linear Regression Flag di modellazione (data mining)
FORECAST_METHOD	Riferimento tecnico per l'algoritmo Microsoft Time Series
HIDDEN_NODE_RATIO	Riferimento tecnico per l'algoritmo Microsoft Neural Network
HISTORIC_MODEL_COUNT	Riferimento tecnico per l'algoritmo Microsoft Time Series
HISTORICAL_MODEL_GAP	Riferimento tecnico per l'algoritmo Microsoft Time Series
HOLDOUT_PERCENTAGE	Riferimento tecnico per l'algoritmo Microsoft Logistic Regression Riferimento tecnico per l'algoritmo Microsoft Neural Network Nota Questo parametro è diverso dal valore della percentuale dei dati di controllo che si applica a una struttura di data mining.
HOLDOUT_SEED	Riferimento tecnico per l'algoritmo Microsoft Logistic Regression Riferimento tecnico per l'algoritmo Microsoft Neural Network Nota Questo parametro è diverso dal valore di inizializzazione dei dati di controllo che si applica a una struttura di data mining.
INSTABILITY_SENSITIVITY	Riferimento tecnico per l'algoritmo Microsoft Time Series
MAXIMUM_INPUT_ATTRIBUTES	Riferimento tecnico per l'algoritmo Microsoft Clustering Riferimento tecnico per l'algoritmo Microsoft Decision Trees Riferimento tecnico per l'algoritmo Microsoft Linear Regression Riferimento tecnico per l'algoritmo Microsoft Naive Bayes Riferimento tecnico per l'algoritmo Microsoft Neural Network Riferimento tecnico per l'algoritmo Microsoft Logistic Regression
MAXIMUM_ITEMSET_COUNT	Riferimento tecnico per l'algoritmo Microsoft Association Rules
MAXIMUM_ITEMSET_SIZE	Riferimento tecnico per l'algoritmo Microsoft Association Rules
MAXIMUM_OUTPUT_ATTRIBUTES	Riferimento tecnico per l'algoritmo Microsoft Decision Trees Riferimento tecnico per l'algoritmo Microsoft Linear Regression Riferimento tecnico per l'algoritmo Microsoft Logistic Regression Riferimento tecnico per l'algoritmo Microsoft Naive Bayes Riferimento tecnico per l'algoritmo Microsoft Neural Network
MAXIMUM_SEQUENCE_STATES	Riferimento tecnico per l'algoritmo Microsoft Sequence Clustering (Analysis Services - Data mining)
MAXIMUM_SERIES_VALUE	Riferimento tecnico per l'algoritmo Microsoft Time Series
MAXIMUM_STATES	Riferimento tecnico per l'algoritmo Microsoft Clustering Riferimento tecnico per l'algoritmo Microsoft Neural Network Riferimento tecnico per l'algoritmo Microsoft Sequence Clustering (Analysis Services - Data mining)
MAXIMUM_SUPPORT	Riferimento tecnico per l'algoritmo Microsoft Association Rules
MINIMUM_IMPORTANCE	Riferimento tecnico per l'algoritmo Microsoft Association Rules
MINIMUM_ITEMSET_SIZE	Riferimento tecnico per l'algoritmo Microsoft Association Rules
MINIMUM_DEPENDENCY_PROBABILITY	Riferimento tecnico per l'algoritmo Microsoft Naive Bayes
MINIMUM_PROBABILITY	Riferimento tecnico per l'algoritmo Microsoft Association Rules
MINIMUM_SERIES_VALUE	Riferimento tecnico per l'algoritmo Microsoft Time Series
MINIMUM_SUPPORT	Riferimento tecnico per l'algoritmo Microsoft Association Rules Riferimento tecnico per l'algoritmo Microsoft Clustering Riferimento tecnico per l'algoritmo Microsoft Decision Trees Riferimento tecnico per l'algoritmo Microsoft Sequence Clustering (Analysis Services - Data mining) Riferimento tecnico per l'algoritmo Microsoft Time Series
MISSING_VALUE_SUBSTITUTION	Riferimento tecnico per l'algoritmo Microsoft Time Series
MODELLING_CARDINALITY	Riferimento tecnico per l'algoritmo Microsoft Clustering
PERIODICITY_HINT	Riferimento tecnico per l'algoritmo Microsoft Time Series
PREDICTION_SMOOTHING	Riferimento tecnico per l'algoritmo Microsoft Time Series
SAMPLE_SIZE	Riferimento tecnico per l'algoritmo Microsoft Clustering Riferimento tecnico per l'algoritmo Microsoft Logistic Regression Riferimento tecnico per l'algoritmo Microsoft Neural Network
SCORE_METHOD	Riferimento tecnico per l'algoritmo Microsoft Decision Trees
SPLIT_METHOD	Riferimento tecnico per l'algoritmo Microsoft Decision Trees
STOPPING_TOLERANCE	Riferimento tecnico per l'algoritmo Microsoft Clustering

Requisiti aggiuntivi

Personalizzazione dei risultati tramite query e funzioni di stima

Al termine della compilazione e dell'elaborazione del modello, è possibile visualizzare le informazioni utilizzando uno dei visualizzatori specifici per ciascun tipo di modello. In alternativa, è possibile scrivere query personalizzate utilizzando le estensioni di data mining (DMX) per ottenere informazioni più avanzate o dettagliate sui modelli individuati nei dati.

Per informazioni su come creare query che restituiscono contenuto di modelli, vedere Esecuzione di query sui modelli di data mining (Analysis Services - Data mining).

È possibile utilizzare le funzioni per estendere i risultati restituiti da un modello di data mining. Alcune funzioni, inoltre, restituiscono statistiche che rappresentano la probabilità di un risultato o altri punteggi. Singoli algoritmi, inoltre, supportano funzioni aggiuntive. Se, ad esempio, un modello di data mining utilizza il clustering, è possibile utilizzare funzioni speciali per trovare informazioni sui cluster. Se, tuttavia, il modello è basato sull'algoritmo Time Series, è disponibile un set di funzioni diverso per eseguire stime e query sul contenuto del modello. Per ulteriori informazioni, vedere l'argomento Riferimento tecnico per ciascun algoritmo.

Per esempi su come eseguire una query su un modello di data mining e utilizzare le funzioni di stima progettate per tipi di modello specifici, vedere Esecuzione di query sui modelli di data mining (Analysis Services - Data mining).

Per un elenco delle funzioni di stima comuni supportate per tutti i tipi di algoritmo, vedere Mapping di funzioni a tipi di query (DMX).

Valutazione delle modifiche in un modello

Quando si sperimentano diversi modelli per risolvere un problema aziendale o si compilano varianti in un modello, è necessario misurare l'accuratezza di ogni modello e valutarne l'efficacia nel rispondere al problema aziendale. Per informazioni generali sulla valutazione dei modelli di data mining, vedere Convalida di modelli di data mining (Analysis Services - Data mining). Per ulteriori informazioni su come rappresentare in un grafico l'accuratezza dei vari modelli di data mining, vedere Strumenti per la creazione di grafici di accuratezza dei modelli (Analysis Services - Data mining).

Vedere anche

Concetti