Udostępnij za pośrednictwem

  • Artykuł

Flagi modelowania (wyszukiwanie danych)

Można używać flag modelowania SQL Server 2008 Analysis Services (SSAS) Aby zapewnić dodatkowych informacji algorytmu wyszukiwanie danych o dane, które zdefiniowano w tabela przypadek. Algorytm do tworzenia bardziej dokładne dane, można użyć tych informacji model wyszukiwania.

Definiowanie flagi modelowania programowo za pomocą DMX (wyszukiwanie danych Extensions) lub można je zdefiniować w Konstruktorze wyszukiwanie danych w Business Intelligence Development Studio. Aby uzyskać więcej informacji na temat definiowania tych flag zobacz Kolumny górnictwie modelu.

Niektóre flagi modelowania są definiowane poziom struktura wyszukiwania, inne są zdefiniowane poziom kolumna model wyszukiwania.Na przykład NOT NULL modelowania flaga jest używana z kolumnami struktura wyszukiwania. kolumna model wyszukiwania można zdefiniować dodatkowe modelowania flag.

Na poniższej liście opisano flagi modelowania, które są obsługiwane w Analysis Services. Aby uzyskać informacje dotyczące modelowania flagi, które są obsługiwane przez określone algorytmy zobacz temat informacje techniczne dla algorytmu.

  • NOT NULL
    Wskazuje, że wartości kolumna atrybut nigdy nie może zawierać wartości null.Spowoduje błąd, jeśli Analysis Services wartość null dla tej kolumna atrybut napotka podczas procesu kształcenia modelu.

  • MODEL_EXISTENCE_ONLY
    Wskazuje, że kolumna będą traktowane jako posiadający dwa stany: Missing i Existing. Jeśli wartość jest NULL, jest ona traktowana jako Brak.

    Uwaga

    Brak jest specjalnym stan używany przez algorytm i różni się od tekstu wartość "Brak" kolumna.Aby uzyskać więcej informacji zobaczBrak wartości (Analysis Services — wyszukiwanie danych).

    Typowym zastosowaniem protokołu modelowania, ta flaga jest do wskazania atrybuty, gdzie NULL stan ma oczywiste znaczenie i wartość jawne NOT NULL Stan nie może być równie ważne, jak fakt, że dana kolumna nie ma żadnych wartości. Na przykład kolumna [DateContractSigned] może być NULL Jeśli nigdy nie podpisano kontrakt i NOT NULL Jeśli kontrakt została podpisana. W związku z tym, jeśli celem modelu jest przewidzieć, czy zamówienie zostanie podpisany, można użyć flagi MODEL_EXISTENCE_ONLY ignorują wartości dokładną data NOT NULL sprawy i rozróżniania ich przypadki, w których wartość jest Missing lub Existing.

  • REGRESSOR
    Wartości kolumna atrybut są ważniejszy niż obecność atrybut.Ta flaga jest zdefiniowana kolumna model wyszukiwania.

Uwaga

Dodatki innych firm mogą mieć inne flagi modelowania, oprócz tych, które są wstępnie zdefiniowane przez Analysis Services.

Przeglądanie i zmienianie modelowania flagi

W Konstruktorze wyszukiwanie danych umożliwia wyświetlanie i modyfikowanie flagi modelowania skojarzonych z struktura wyszukiwania lub kolumna wyszukiwania, wyświetlając właściwości struktury lub modelu.

Aby wyświetlić lub zmienić flagę modelowanie struktury kolumna lub kolumn w modelu

  1. W BI Development StudioW programie eksplorator rozwiązań kliknij dwukrotnie struktura wyszukiwania.

  2. Aby zestaw kliknij flagę modelowania NOT NULL, Struktura wyszukiwania tab.

    Aby zestaw kliknij flagi REGRESSOR lub MODEL_EXISTENCE_ONLY Model górnictwie tab.

  3. Kliknij prawym przyciskiem myszy kolumna, którą chcesz wyświetlić lub zmienić, a następnie wybierz Właściwości.

  4. Aby dodać nową flagę modelowania, kliknij pole tekstowe obok ModelingFlags właściwość, a następnie wybierz czeku lub zaznacz pola, dla flagi modelowania, do którego chcesz użyć.

    Flagi modelowania są wyświetlane tylko wtedy, gdy są one odpowiednie dla typu danych kolumna.

    Uwaga

    Po zmianie flagi modelowania ponownie przetworzyć modelu.

Nie można zmienić flagi modelowania używany w istniejących modeli wyszukiwania i struktury przy użyciu DMX.Należy utworzyć nowy model wyszukiwania przy użyciu składni instrukcji ALTER wzór górnictwo STRUCTURE….ADD wyszukiwania.

Jeśli nie masz pewności, flagi modelowania, które są używane w bieżącej struktury, można utworzyć kwerendę, która zwraca flagi modelowania przy użyciu następującej składni:

SELECT COLUMN_NAME, MODELING_FLAG
FROM $system.DMSCHEMA_MINING_STRUCTURE_COLUMNS
WHERE STRUCTURE_NAME = '<structure name>'

Za pomocą REGRESSOR, modelowania flagi

Gdy użytkownik zestaw REGRESSOR, modelowania flagę w kolumnie, zostanie są wskazujący algorytm że kolumna zawiera potencjalne regressors.Rzeczywiste regressors, które są używane w modelu są określane przez algorytm.Regressor potencjalnych mogą być usunięte, jeśli nie go modelu przewidywalne atrybut.

Podczas tworzenia modelu przy użyciu Kreatora wyszukiwanie danych wszystkie ciągłego wprowadzania kolumny są oznaczane jako regressors możliwe.W związku z tym nawet jeśli nie zostanie jawnie ustawiony REGRESSOR flagę kolumna, kolumna może być używany jako regressor ostatecznego modelu.

Można określić regressors, faktycznie użytych w końcowym modelu przez wykonanie kwerendy przed zestaw wierszy schematu dla model wyszukiwania jak to pokazano w poniższym przykładzie:

SELECT COLUMN_NAME, MODELING_FLAG
FROM $system.DMSCHEMA_MINING_columnS
WHERE MODEL_NAME = '<model name>'

Uwaga   Zmienić typ zawartości kolumna z ciągłą discrete podczas modyfikowania model wyszukiwania, należy ręcznie zmienić flagę na kolumna wyszukiwania i następnie ponownie przetworzyć modelu.

Regressors w modelach regresja liniowa

Modele regresja liniowej obliczana na podstawie Microsoft Algorytm drzewa decyzji. Nawet jeśli nie używasz Microsoft Algorytm regresja liniowej, każdego modelu drzewo decyzyjne może zawierać drzewo lub węzłów, które reprezentuje regresja na ciągłe atrybut.

Nie trzeba określić, że ciągłej kolumnie reprezentuje regressor.The Microsoft Decision Trees algorithm will partition the dataset into regions with meaningful patterns even if you do not zestaw the REGRESSOR flag on the kolumna. Różnica jest, że po ustawieniu flagi modelowania, algorytm będzie próbował znaleźć równania regresja formularza a * C1 + b * C2 +... do dopasowanie wzorców w węzłach drzewa.Obliczyć sumy składników resztkowych, a jeśli odchylenie jest zbyt duża, podział będzie zmuszony w drzewie.

Na przykład, jeśli jest przewidywana, odbiorcy zakupów zachowanie używając Przychód jako atrybut, a zestaw modelowania REGRESSOR flagę kolumna, algorytm będzie najpierw spróbować dopasowanie Przychód wartości przy użyciu formuły standardowych regresja.Jeśli odchylenie jest zbyt duża, formuła regresja zostanie zaniechana i drzewa czy można podzielić na kilka innych atrybutach.Algorytm drzewo decyzyjne czy spróbuj dopasować regressor dla przychodów w każdej gałęzi po podziału.

Można użyć parametru FORCED_REGRESSOR, aby zagwarantować, że algorytm będzie korzystać z określonego regressor.Tego parametru można używać z algorytmem algorytmów i algorytm regresja liniowa.