Mantıksal Architecture (Analysis Services - veri madenciliği)
Veri madenciliği etkileşim, birden çok bileşeni kapsayan bir işlemdir.S kaynak bir SQL Server veritabanındaki veri veya başka bir veri erişim kaynak eğitim, sınama ve tahmin için kullanılacak.Veri madenciliği yapıları ve modelleri Business Intelligence Development Studio veya Visual Studio 2005 kullanarak tanımladığınız.Veri madenciliği nesneleri yönetmek ve SQL Server Management Studio'yu kullanarak Öngörüler ve sorgular oluşturabilirsiniz.Çözüm tamamlandıktan sonra Analysis Services örneğini dağıtın.
Veri madenciliği çözümleri ve projeler
Bir veri madenciliği proje oluşturmak için , veri kaynakları ve veri madenciliği yapıları veri madenciliği modelleri tanımlamalısınız.Oluşturduğunuz veri madenciliği proje, modelinizin doğrulamak için sınama kümelerini de içerebilir.Sonra sunucuya bir proje dağıttıysanız, geliştirme ve yeni modeller özgün çözümde sınama sürdürebilirsiniz.
Veri madenciliği kaynak verisi
Bir küp veya diğer özel bir veri kaynağı, veri madenciliği gerçekleştirmek için kullanmak gerekmez.Veri madenciliği ilişkisel veri tabloları ve Analysis Services veri kaynağı görünümü tanımlanan tüm diğer veri kaynakları üzerinde hızlı ve kolay bir şekilde yapılabilir.Veri madenciliği çözümde veri madenciliği, kullandığınız veri saklanır; yalnızca bağlamaları depolanır.Verileri SQL Server, bir CRM sistemini veya düz dosya bile, önceki bir sürümünde oluşturulmuş bir veritabanını bulunması.Analysis Services veri kaynağı görünümü, çeşitli veri kaynakları, birden çok tablo arasında birleştirme belirterek birleştirmenize olanak sağlar.Iç içe geçmiş tablo sütunlar oluşturmak için çoğa bir ilişki olan tablolara da ekleyebilirsiniz.
Verileri veri madenciliği çözümde kullanmak istediğinizde, Analysis Services'ın kaynak verileri okur ve toplamları ve kullanılan diğer bilgileri bir önbellekte oluşturur.Önbelleğe alınmış bilgileri tutmak ve yeni veri madenciliği modelleri oluşturmak için kullanabilirsiniz veya depolama alanından tasarruf etmek için silebilirsiniz.
Veri madenciliği çözümünüz sürekli yeni verilerle güncelleştirebilirsiniz veya çalıştığı bir modeli bulursanız, yapabilecekleriniz dağıtmak modeli olur ve yeni verileri, modele kesinlikle eklemeyin.
SQL Server 2008 Analysis Services'i, ayrıca veri küme s, sınama ve eğitim veri madenciliği modelleriniz rasgele seçilen, bir temsilciyle sınayabilirsiniz, ayrı olanağı sağlar küme veri.
Oluşturma ve Analysis Services veri kaynakları ve veri kaynak görünümleri kullanma hakkında daha fazla bilgi için bkz: Veri kaynakları (Analysis Services) tanımlama.
Veri madenciliği yapıları
C veri araştırma yapısı madenciliği modelleri yerleşik olan etki alanı verileri tanımlayan mantıksal bir veri yapısıdır.Bir tek araştırma yapısı aynı etki alanı paylaşan birden çok madenciliği modelleri destekler.Veri araştırma yapısı da bölümlenmesi bir eğitim ve test küme, bir yüzde veya Tutar veri bir gizleme belirterek.Veri araştırma yapısı tanımladığınızda bu bölümleme otomatik olarak yapılabilir
Daha fazla bilgi için bkz:Yapıları mining (Analysis Services - veri madenciliği).
Bir veri araştırma yapısı iç içe geçmiş tablolar da içerebilir.Iç içe geçmiş bir tablo, ilgili ek ayrıntı sağlar durum, birincil veri tablosunda modellenmiştir.Daha fazla bilgi için, bkz. Tabloları iç içe geçmiş (Analysis Services - veri madenciliği)
Veri madenciliği modelleri
C veri araştırma modeli veri, bir veri madenciliği algoritmasını ve kullanılan veri ve veriyi nasıl işleneceğini etkiler parametre ve süzgeç ayarları topluluğu birleşimini temsil eder.Daha fazla bilgi için bkz:Modeller mining (Analysis Services - veri madenciliği).
Veri madenciliği Uzantıları (DMX) dil kullanarak, veri madenciliği Sihirbazı kullanarak veya bir veri araştırma modeli tanımla BI Development Studio. veri madenciliği Sihirbazı'nı kullanma hakkında daha fazla bilgi için bkz: Veri madenciliği Sihirbazı (Analysis Services - veri madenciliği). DMX kullanma hakkında daha fazla bilgi için bkz: Veri madenciliği Uzantıları (DMX) başvurusu.
araştırma modeli yapısını tanımladıktan sonra, boş yapı modeli açıklayan desenlerle doldurma işlemi.Bu olarak bilinir Eğitim modeli.Desenler, matematiksel bir algoritma aracılığıyla özgün verileri aktararak bulunur.Parametreler, her bir algoritma ayarlamak için kullanabilirsiniz.Bir veri madenciliği algoritmasını seçme hakkında daha fazla bilgi için bkz: Veri madenciliği algoritmaları (Analysis Services - veri madenciliği). Ince ayar yapmak için tek tek veri madenciliği algoritmalarına parametrelerini küme hakkında daha fazla bilgi için sonuçlar modeli, bkz: Bir veri özelleştirme araştırma modeli (Analysis Services - veri madenciliği).
Yeni veri madenciliği modelleri oluşturmak gibi yinelenen Öngörüler yaparak sınayın ve sonra sonuçlar geliştirmek için gereken değişiklikleri yapın.Daha fazla veri ekleme veya verilerle daha iyi uyma sağlamak için modelinin parametrelerini değiştirme değişiklikleri içerir.Öngörüler doğruluğunu sınama hakkında daha fazla bilgi için bkz: Veri madenciliği modelleri doğrulanıyor (Analysis Services - veri madenciliği).
Dağıtım
Veri madenciliği geliştirme üstün amacı, son kullanıcılar ve analistler Öngörüler yapma ve derinlemesine çözümlemesini için kullanılabilecek bir modeli oluşturmaktır.Bu nedenle, bir model oluşturduğu sonuçlardan memnun olduğunuzda, bir üretim ortamına modeli dağıtın.Üretim ortamında madenciliği modelleri, gereksinimlerinize bağlı olarak çeşitli amaçlara hizmet.Aşağıdaki liste, bir veri araştırma modeli kullanarak gerçekleştirdiğiniz görevleri bazı örnekler sağlar:
Use the models to create predictions, which you can then use to make business decisions.SQL Server provides the DMX language that you can use to create prediction queries, and Prediction Query Builder to help you build the queries.
Doğrudan bir uygulamaya veri madenciliği işlevselliği katıştırın.Çözümleme Yönetim Nesneleri (ÇYN) veya uygulama oluşturma, değiştirme, işlem ve madenciliği yapıları ve madenciliği modelleri silmek için kullanabileceğiniz nesneleri kümesi içeren bir derleme içerebilir.Alternatif olarak, XML Analysis (XMLA) iletileri doğrudan örneğine gönderebilirsiniz Analysis Services.
Kullanımı Integration Services araştırma modeli, akıllıca da gelen verileri birden fazla tabloya ayırmak için kullanılır, bir paket oluşturmak için . Örneğin, bir veritabanı, olası müşterilere sürekli güncelleştirilir, kullanabilirsiniz bir araştırma modeli birlikte Integration Services büyük bir olasılıkla bir ürünü satın alan müşteriler ve büyük bir olasılıkla bir ürün satın alan müşteriler, gelen verileri bölmek için .
Kullanıcıların doğrudan bir varolan araştırma modeli karşı sorgu olanak sağlayan bir rapor oluşturun.Analistler, böylece bunlar veri ilginç desenleri keşfedebilirsiniz araştırma modeli içeriği, doğrudan erişim isteyebilirsiniz veya kullanıcıların farklı Öngörüler oluşturmak isteyebilirsiniz.
Model güncelleştirme dağıtım stratejisinin bir parçası olur.Kuruluş içinde daha fazla veri gelir gibi modeller, böylece bunların etkinliğini artırma reprocess gerekir.Daha fazla bilgi için bkz: Dağıtım (Analysis Services - veri madenciliği) ve DMX tahmin sorgular oluşturma