Miningstrukturspalten

  • Artikel

Gilt für: SQL Server 2019 und früher Analysis Services Azure Analysis Services Fabric/Power BI Premium

Wichtig

Data Mining wurde in SQL Server 2017 Analysis Services als veraltet eingestuft und wurde jetzt in SQL Server 2022 Analysis Services eingestellt. Die Dokumentation wird für veraltete und eingestellte Features nicht aktualisiert. Weitere Informationen finden Sie unter Abwärtskompatibilität von Analysis Services.

Sie definieren die Spalten in einer Miningstruktur, wenn Sie die Miningstruktur erstellen. Wählen Sie hierzu die Spalten mit externen Daten aus, und geben Sie dann an, wie die Daten für die Modellierung verwendet werden sollen. Daher sind Miningstrukturspalten mehr als nur Kopien der Daten aus einer Datenquelle. Sie definieren, wie die Daten aus der Quelle vom Miningmodell verwendet werden. Sie können Eigenschaften zuweisen, die bestimmen, wie die Daten diskretisiert werden, und die beschreiben, wie die Datenwerte verteilt sind.

Miningstrukturspalten sind so entworfen, dass sie flexibel und erweiterbar sind, da jeder Algorithmus, den Sie zum Erstellen eines Miningmodells verwenden, verschiedene Spalten aus der Struktur verwenden kann, um die Daten zu interpretieren. Anstatt einen Satz Daten für jedes Modell zu nutzen, können Sie eine einzelne Miningstruktur und die darin enthaltenen Spalten verwenden, um die Daten für jedes Modell anzupassen.

Definieren von Miningstrukturspalten

Die grundlegenden Daten- und Inhaltstypen, die Strukturspalten definieren, werden aus der Datenquelle abgeleitet, mit der Sie die Struktur erstellen. Sie können diese Einstellungen innerhalb der Miningstruktur ändern und darüber hinaus auch Modellierungsflags und die Verteilung für kontinuierliche Spalten festlegen.

Die Definition einer Miningstrukturspalte muss die folgenden Informationen enthalten:

  • ID: Der eindeutige Name der Spalte, der häufig dem Namen entspricht. Dies kann nicht geändert werden, nachdem Sie die Miningstruktur erstellt haben, wohingegen der Name geändert werden kann.

  • Name: Der Name oder Alias der Spalte.

  • Inhalt: Eine Enumeration, die beschreibt, ob es sich um einzelne oder fortlaufende Daten handelt.

  • Typ: Eine Enumeration, die den allgemeinen Datentyp angibt.

  • Verteilung: Eine Enumeration, die die erwartete Verteilung der Werte beschreibt. Eine Verteilung liegt vor, wenn die Spalte kontinuierlich ist.

  • Modellierungsflags: Eine Enumeration, die angibt, wie fehlende Werte usw. gehandhabt werden. Modellierungsflags können auch im Miningmodell definiert werden, aber die Modellflags unterscheiden sich von den für Strukturspalten verwendeten Flags.

  • Bindungen: Eigenschaften, die die Quelldaten angeben.

Algorithmen von Drittanbietern können möglicherweise benutzerdefinierte Eigenschaften enthalten, die für die Miningstrukturspalte definiert werden können.

Weitere Informationen zur Data Mining-Struktur und zum Data Mining-Modell finden Sie unter Miningstrukturen (Analysis Services – Data Mining).

Verwandte Inhalte

In den folgenden Themen finden Sie weitere Informationen zur Definition und Verwendung von Miningstrukturspalten.

Thema Links
Beschreibt die Datentypen, mit der Sie eine Miningstrukturspalte definieren können. Datentypen (Data Mining)
Beschreibt die Inhaltstypen, die für jeden Datentyp in einer Miningstrukturspalte verfügbar sind. Inhaltstypen sind vom Datentyp abhängig. Der Inhaltstyp wird auf Modellebene zugewiesen und bestimmt, wie die Spaltendaten vom Modell verwendet werden. Inhaltstypen (Data Mining)
Führt das Konzept geschachtelter Tabellen ein und erklärt, wie geschachtelte Tabellen der Datenquelle als Miningstrukturspalten hinzugefügt werden können. Klassifizierte Spalten [Data Mining]
Nennt und erklärt die Verteilungseigenschaften, die Sie für eine Miningstrukturspalte festlegen können, um die erwartete Verteilung der Werte in der Spalte anzugeben. Spaltenverteilungen [Data Mining]
Erklärt das Konzept der Diskretisierung (manchmal auch als Klasseneinteilung bezeichnet) und beschreibt die Methoden, die Analysis Services zum Diskretisieren von kontinuierlichen numerischen Daten bereitstellt. Diskretisierungsmethoden (Data Mining)
Beschreibt die Modellierungsflags, mit denen Sie für eine Miningstrukturspalte festlegen können. Modellierungsflags (Data Mining)
Beschreibt klassifizierte Spalten, bei denen es sich um einen speziellen Spaltentyp handelt, mit dem Sie eine Miningstrukturspalte mit einer anderen verbinden können. Klassifizierte Spalten [Data Mining]
Erfahren Sie, wie Sie Miningstrukturspalten hinzufügen und ändern. Tasks und Anweisungen für Miningstrukturen

Weitere Informationen

Miningstrukturen (Analysis Services - Data Mining)
Miningmodellspalten