Veri madenciliği modeli özelleştirme (- Analysis Services veri madenciliği)
İş gereksinimlerinizi karşılayan bir algoritma seçtikten sonra araştırma modeli potansiyel artırmak için aşağıdaki şekillerde özelleştirebilirsiniz sonuçlar.
Farklı veri sütunlarının modelde kullanın veya sütunların kullanım veya içerik türlerini değiştirin.
Araştırma modeli modeli eğitim içinde kullanılan verileri kısıtlamak için filtreler oluşturun.
Algoritma parametreleri denetim eşikler, ağaç bölmelerini ve diğer koşullar için ayarlayın.
Verileri çözümlemek ve Öngörüler yapmak için kullanılan varsayılan algoritma değiştirin.
Modeli tarafından kullanılan verileri değiştirme
Hangi sütunların veri modeli ve nasıl kullanılacağı ve bu verileri işlemek için büyük ölçüde etkileyebilir yaptığınız kararlar sonuçlar incelemenin.Aşağıdaki konular, bu seçimler anlamanıza yardımcı olacak bilgiler sağlar.
Modeller mining (Analysis Services - veri madenciliği)
Mimarisi temel araştırma yapısı ve madenciliği sütun seçimi de dahil olmak üzere bir araştırma modeli, genel bir bakış sağlar.
Veri madenciliği modelleri için filtre oluşturma (- Analysis Services veri madenciliği)
Verilerin alt küme küme küme kümesini araştırma yapısı üzerinde tabanlı modelleri oluşturmak için bir araştırma modeli için uygulanan filtreleri nasıl oluşturacağınız açıklanmaktadır.
Özellik seçimi'veri madenciliği.
Açıklar nasıl Analysis Services adı verilen bir işlem kullanır özellik seçimi yalnızca bir model için toplama için en yararlı öznitelikleri seçin.Sütunlar ve öznitelik sayısını azaltma, performans ve kalite modelinin artırabilir.Kullanılabilir özellik seçimi yöntemleri, seçtiğiniz algoritma bağlı olarak farklılık gösterir.
Veri Mining Sihirbazı'nı kullanırsanız, aynı zamanda sahip olabilir Analysis Services veriyi oluşturmak için kullanılan en yararlı'otomatik olarak Seçbelirli bir modeli.
Algoritma ayarları özelleştiriliyor
Algoritma seçimini ne tür sonuçlar alırsınız belirler.Belirli bir algoritma nasıl çalıştığını veya nerede faydalanırsınız belirli bir algoritma kullanarak iş senaryoları hakkında genel bilgi için bkz: Veri madenciliği algoritmaları (Analysis Services - veri madenciliği).
Sağlanan veri madenciliği algoritmaları Analysis Services de kapsamlı biçimde özelleştirilemez.Algoritma ve nasıl algoritma parametreleri ayarlayarak veri işler davranışını denetleyebilirsiniz.Aşağıdaki konular, her algoritmasını destekler parametreler hakkında ayrıntılı bilgi sağlar.
Microsoft karar ağaçlar algoritması Teknik Başvurusu
Microsoft Kümeleme algoritması Teknik Başvurusu
Microsoft Naive Bayes algoritması Teknik Başvurusu
Microsoft ilişkilendirme algoritması Teknik Başvurusu
Microsoft Teknik Başvurusu algoritması kümeleme sırası
Microsoft Neural ağ algoritması Teknik Başvurusu
Microsoft Logistic regresyon algoritması Teknik Başvurusu
Microsoft doğrusal regresyon algoritması Teknik Başvurusu
Microsoft zaman Series algoritması Teknik Başvurusu
Konu her algoritma türü için de bu algoritmasına dayanan modelleri ile kullanılan tahmin işlevleri listeler.
Algoritma parametreleri listesi
Her algoritma algoritma davranışını özelleştirmek ve ince ayarını yapmak için kullanabileceğiniz parametreler destekler sonuçlar modelinizin.Her parametre nasıl bir açıklaması için aşağıdaki konulara bakın:
Özellik adı |
İçin geçerlidir |
---|---|
AUTO_DETECT_PERIODICITY |
|
CLUSTER_COUNT |
|
CLUSTER_SEED |
|
CLUSTERING_METHOD |
|
COMPLEXITY_PENALTY |
|
FORCED_REGRESSOR |
|
FORECAST_METHOD |
|
HIDDEN_NODE_RATIO |
|
HISTORIC_MODEL_COUNT |
|
HISTORICAL_MODEL_GAP |
|
HOLDOUT_PERCENTAGE |
Microsoft Logistic regresyon algoritması Teknik Başvurusu Microsoft Neural ağ algoritması Teknik Başvurusu
Not
Bu parametre, bir araştırma yapısı için geçerlidir gizleme yüzde değeri farklıdır.
|
HOLDOUT_SEED |
Microsoft Logistic regresyon algoritması Teknik Başvurusu Microsoft Neural ağ algoritması Teknik Başvurusu
Not
Bu parametre, bir araştırma yapısı için geçerlidir gizleme tohum değeri farklıdır.
|
INSTABILITY_SENSITIVITY |
|
MAXIMUM_INPUT_ATTRIBUTES |
Microsoft Kümeleme algoritması Teknik Başvurusu Microsoft karar ağaçlar algoritması Teknik Başvurusu Microsoft doğrusal regresyon algoritması Teknik Başvurusu Microsoft Naive Bayes algoritması Teknik Başvurusu |
MAXIMUM_ITEMSET_COUNT |
|
MAXIMUM_ITEMSET_SIZE |
|
MAXIMUM_OUTPUT_ATTRIBUTES |
Microsoft karar ağaçlar algoritması Teknik Başvurusu Microsoft doğrusal regresyon algoritması Teknik Başvurusu Microsoft Logistic regresyon algoritması Teknik Başvurusu |
MAXIMUM_SEQUENCE_STATES |
|
MAXIMUM_SERIES_VALUE |
|
MAXIMUM_STATES |
Microsoft Kümeleme algoritması Teknik Başvurusu |
MAXIMUM_SUPPORT |
|
MINIMUM_IMPORTANCE |
|
MINIMUM_ITEMSET_SIZE |
|
MINIMUM_DEPENDENCY_PROBABILITY |
|
MINIMUM_PROBABILITY |
|
MINIMUM_SERIES_VALUE |
|
MINIMUM_SUPPORT |
Microsoft ilişkilendirme algoritması Teknik Başvurusu Microsoft Kümeleme algoritması Teknik Başvurusu Microsoft karar ağaçlar algoritması Teknik Başvurusu |
MISSING_VALUE_SUBSTITUTION |
|
MODELLING_CARDINALITY |
|
PERIODICITY_HINT |
|
PREDICTION_SMOOTHING |
|
SAMPLE_SIZE |
Microsoft Kümeleme algoritması Teknik Başvurusu |
SCORE_METHOD |
|
SPLIT_METHOD |
|
STOPPING_TOLERANCE |
Ek gereksinimler
Seçme ve veri hazırlama veri madenciliği işlemi, önemli bir parçasıdır.Örneğin, algoritmalar, Microsoft sağlar izin verme yinelenen anahtarlar.Her model için gerekli olan veri türünü algoritma bağlı olarak farklılık gösterir.Daha fazla bilgi için aşağııdaki konulardan birini gereksinimleri bölümüne bakın:
|
Sonuçları sorgular ve tahmin işlevleri kullanarak özelleştirme
Model oluşturulan ve işlenen sonra her modeli türü için belirli izleyicilere birini kullanarak bilgileri görüntüleyebilirsiniz.Alternatif olarak, verilerde desenler hakkında daha gelişmiş veya ayrıntılı bilgi almak için veri Mining Extensions (dmx) kullanarak özel sorgular yazabilirsiniz.
İçerik modeli döndüren sorgular oluşturma hakkında daha fazla bilgi için bkz: Veri madenciliği modelleri sorgulama (- Analysis Services veri madenciliği).
sonuçlar döndüren bir araştırma modeli genişletmek için işlevlerini kullanabilirsiniz.Bazı işlevler de bir sonucu veya diğer skorları olasılığını temsil eden istatistiği.Buna ek olarak, tek tek algoritmaları üzerinde ek işlevleri de destekler.Örneğin, bir araştırma modeli kümeleme kullanıyorsa, özel işlevler kümeleri hakkında bilgi bulmak için kullanabilirsiniz.Modeliniz üzerinde zaman Series algoritması temel alıyorsa, ancak farklı bir işlevler küme Öngörüler yapmak ve model içeriğini sorgulamak için kullanılabilir.Daha fazla bilgi için her algoritması için teknik başvuru konusuna bakın.
Nasıl bir araştırma modeli sorgulamak ve belirli bir modeli türleri için tasarlanmıştır tahmin işlevleri nasıl örnekler için bkz: Veri madenciliği modelleri sorgulama (- Analysis Services veri madenciliği).
Tüm algoritma türleri için desteklenen tahmin işlevlerin listesi için bkz: Eşleştirme türleri (dmx) sorgu işlevler.
Bir Model değişiklikleri değerlendiriliyor
İş sorununu çözmek için farklı modelleri denemek veya bir modeli üzerinde çeşitlemeler oluşturmak için gereken ölçü doğruluğu, her model ve de ne kadar iyi problemini her modeli yanıtları değerlendirmek.Veri madenciliği modelleri değerlendirme hakkında genel bilgi için bkz: Veri madenciliği modelleri doğrulama (- Analysis Services veri madenciliği).Farklı veri madenciliği modelleri doğruluğunu grafik hakkında daha fazla bilgi için bkz:Model doğruluğu grafik için Araçlar (Analysis Services - veri madenciliği).