Algorytmy wyszukiwania danych (Analysis Services — wyszukiwanie danych)
The wyszukiwanie danych algorithm is the mechanism that creates a data model wyszukiwania.Aby utworzyć wzór, algorytm najpierw analizuje zestaw danych i szuka określonych wzorców i trendów.Algorytm używa wyniki tej analizy, aby zdefiniować parametry model wyszukiwania.Parametry te są następnie stosowane na cały zestaw danych, aby wyodrębnić zaskarżeniu desenie i szczegółowych statystyk.
Model wyszukiwania, który tworzy algorytm może przyjmować różne formy, w tym:
Zestaw reguł, które opisują, w jaki sposób produkty są pogrupowane w transakcji.
drzewo decyzyjne, które przewiduje się, czy określonego klienta będzie kupić produkt.
Modelu matematycznego prognoz sprzedaży.
Zestaw klastrów, które opisują powiązanych przypadki zestawu danych.
Microsoft SQL Server Analysis Services zawiera wiele algorytmów stosowanych w rozwiązanie wyszukiwanie danych.Te algorytmy są podzbiorem algorytmów, które mogą być używane do wyszukiwanie danych.Umożliwia także algorytmów innych firm, które są zgodne z OLE DB dla specyfikacji wyszukiwanie danych.Aby uzyskać więcej informacji na temat algorytmów innej firmy zobacz Algorytmy dodatek.
Typy algorytmy wyszukiwanie danych
Analysis Services zawiera następujące typy algorytmu:
Algorytmów klasyfikacji przewidywania zmiennych dyskretnych, na podstawie innych atrybutów do danych.Na przykład algorytm klasyfikacji Algorytm drzewa decyzji firmy Microsoft.
Algorytmy regresja przewidywania jeden lub więcej ciągłych zmiennych, takich jak zysku lub straty na podstawie innych atrybutów do danych.Na przykład algorytm regresja Microsoft Time Series Algorithm.
Algorytmy segmentacja dzielenia danych na grupy lub klastrów towarów o podobnych właściwościach.Na przykład algorytm segmentacja Algorytm klastrowanie Microsoft.
Algorytmy skojarzenia znaleźć korelacji między różnymi atrybutami, danych.Najczęściej używanych aplikacji tego typu algorytm jest do tworzenia skojarzenia reguły, które mogą być używane w analizie koszyka rynku.Na przykład algorytm skojarzenia Algorytm skojarzenia firmy Microsoft.
Sekwencja algorytmy analizy podsumowanie częste sekwencji lub odcinków w danych, takich jak przepływ ścieżka w sieci Web.Na przykład algorytmem analizy sekwencji Algorytm klastrowanie Microsoft sekwencji.
Stosowanie algorytmów
Wybór algorytmu najlepsze dla zadań firmy może być trudne.Za pomocą różnych algorytmów do wykonywania tych samych zadań biznesowych, każdy algorytm daje różne wyniki, a niektóre algorytmy służy do tworzenia więcej niż jeden typ wyników.Na przykład, można użyć Microsoft Algorytm drzewo decyzyjne nie tylko do przewidywanie, ale w celu zmniejszenia liczby kolumn w zestawie danych, ponieważ drzewo decyzyjne można zidentyfikować kolumny, które nie mają wpływu na model końcowe wyszukiwania.
Można także bez użycia algorytmów niezależnie.W jednym danych wyszukiwania rozwiązania przeszukiwać danych za pomocą niektóre algorytmy, a następnie użyć innych algorytmów do przewidywania wyniku określonych na podstawie tych danych.Na przykład można używać klastrowych algorytmu, który rozpoznaje wzorce, do dzielenia danych na grupy, które są mniej lub bardziej jednorodny, i utworzyć model drzewo decyzyjne lepiej za pomocą wyniki.Wiele algorytmów tworzenia w jedno rozwiązanie wykonywanie oddzielnych zadań, na przykład za pomocą algorytmu drzewa regresja uzyskiwania informacji finansowych prognozowania, a algorytm oparte na regułach służą do wykonywania analiza koszyka zakupów.
Górnictwo modele można prognozować wartości, przedstawić podsumowań danych i Znajdź ukryte korelacji.Aby uzyskać pomoc dotyczącą wybierz algorytmów wyszukiwanie danych rozwiązania, poniższa tabela zawiera sugestie dotyczące jakie algorytmy dla określonych zadań.
Zadanie |
Algorytmy firmy Microsoft do używania |
|---|---|
Przewidywana discrete atrybut. Na przykład przewidzieć, czy adresat docelowej kampanii korespondencji będzie kupić produkt. |
Algorytm drzewa decyzji firmy Microsoft Algorytm Bayes Naive firmy Microsoft |
Przewidywana ciągłego atrybut. Na przykład prognozy sprzedaży na przyszły rok. |
|
Przewidywana sekwencji. Na przykład przeprowadzić analiza sekwencji odwiedzanych stron witryna sieci Web danej firmy. |
|
Znajdowanie grup typowe elementy w transakcjach. Na przykład użyć analizy rynku koszyk na jego podstawie sugerowana dodatkowych produktów z nabywcą dla zakupu. |
|
Znajdowanie grup podobnych elementów. Na przykład segmentu danych demograficznych na grupy, aby lepiej zrozumieć relacje między atrybutami. |
Ponieważ każdy model zwraca innego typu wyniku, Analysis Services zawiera oddzielne przeglądarki dla każdego algorytmu. Podczas przeglądania model wyszukiwania w Analysis Services, model jest wyświetlany na Podgląd górnictwie modelu kartę Konstruktor wyszukiwanie danych, który używa przeglądarkę odpowiednią dla modelu.Aby uzyskać więcej informacji zobaczWyświetlanie modelu wyszukiwanie danych.
Szczegóły algorytmu
Poniższa tabela zawiera łącza do typów informacji dostępnych dla każdego algorytmu:
Basic algorithm description Provides a basic explanation of what the algorithm does and how it works, together with a business scenario where the algorithm might be useful.
Informacje techniczne Wyświetla listę parametrów, które służą do sterowania zachowaniem algorytmu i dostosowywać wyniki w modelu.Zawiera dodatkowe szczegóły techniczne dotyczące stosowania algorytmu porady dotyczące wydajności i wymagania dotyczące danych.
Podczas badania modelu Przykłady kwerend korzystających z każdego typu modelu.Można wysyłać kwerendy model, aby uzyskać więcej informacji na temat wzorców w modelu, a także tworzenie prognoz opartych na tych deseni.
model wyszukiwania zawartości W tym artykule opisano, jak informacje są przechowywane w postaci wspólne dla wszystkich typów modelu, a w tym artykule wyjaśniono, jak interpretować informacje.Po utworzonej modelu można poznać modelu przy użyciu przeglądarki, w BI Development Studio, lub można zapisywać kwerendy do zwracania informacji bezpośrednio z zawartością modelu przy użyciu DMX.