Modeller mining (Analysis Services - veri madenciliği)

Mining modeli mimarisi

Veri madenciliği model verileri alır bir araştırma yapısı ve sonra bu verileri bir veri madenciliği algoritmasını kullanarak çözümler.Araştırma yapısı ve araştırma modeli ayrı nesneleridir.Araştırma yapısı verileri tanımlayan bilgileri saklar kaynak.Bir araştırma modeli, istatistiksel analiz sonucunda bulunan desenleri gibi veri işlenmesi türetilen bilgi depolar.

Kadar tarafından sağlanan veri madenciliği model boş araştırma yapısı işlenir ve analiz edilebilir.Bir araştırma modeli işlendikten sonra meta veriler, sonuçlar ve araştırma yapısı için geri bağlantıları içerir.

meta veriler modelinin adını ve depolandığı sunucu yanı modelinin model oluşturulmasında kullanılan araştırma yapısı sütunlar listesi de dahil olmak üzere bir tanımı model işleme sırasında uygulanan isteğe bağlı süzgeçler tanımları belirtir.ve verileri çözümlemek için kullanılan algoritma.Sütun, filtre ve algoritma seçimini büyük ölçüde etkiler sonuçlar incelemenin.Aynı verileri kullanarak bir kümeleme modeli ve karar ağaçları modeli oluşturun, bu modelleri farklı algoritmalar ve filtreleri kullanırken örneğin modeli içeriği çok farklı olabilir.Daha fazla bilgi için bkz: İçerik modeli mining (Analysis Services - veri madenciliği).

Model içinde saklanan sonuçlar algoritma bağlı olarak değişir, ancak desenleri, itemsets, kuralları ve formüller ekleyebilirsiniz.Bu sonuçlar Öngörüler yapmak için kullanılır.

Model içinde depolanan bağları bulunan önbelleğe alınmış verileri geri işaret araştırma yapısı.Veri yapısı içinde önbelleğe alınmış ve işlendikten sonra temizlenir, bu bağların aracılığıyla sonuçlar sonuçlar destek servis taleplerini ulaşmak sağlar.Ancak, gerçek verileri değil, modeli yapısını önbelleğinde depolanır.

[Top]

Veri madenciliği modelleri tanımlama

Bir veri oluşturabilirsiniz araştırma modeli aşağıdaki adımlarda:

• Temel oluşturmak araştırma yapısı.

• Bir algoritma seçin.

• Modeli sütun ve kullanım belirtin.

• İsteğe bağlı olarak, küme algoritması tarafından işleme ince ayarını yapmak için parametreleri.

• İşlem modeli.

Analysis Services sizin veri madenciliği modelleri yönetmenize yardımcı olmak için aşağıdaki araçları sunar:

• Veri madenciliği Sihirbazı yapısı ve ilgili araştırma modeli oluşturmanıza yardımcı olur.Kullanımı en kolay yöntem budur.Sihirbaz otomatik olarak gerekli araştırma yapısı oluşturur ve ile yardımcı yapılandırma önemli ayarlar.

• dmx modeli oluşturma deyim bir modeli tanımlamak için kullanılır.Gerekli yapı işleminin bir parçası otomatik olarak oluşturulur; Bu nedenle, bu varolan yapısını yeniden kullanamazsınız yöntem.Hangi modeli oluşturmak istediğiniz biliyorsanız, bu yöntem kullanın.

• dmx alter yapı Ekle modeli deyim, varolan yapısına yeni bir araştırma modeli eklemek için kullanılabilir.Aynı veri küme üzerinde temel alan farklı modelleri denemek istiyorsanız bu yöntem kullanın.

Ayrıca veri madenciliği modelleri programlı olarak ÇYN veya xml kullanarak oluşturabilirsiniz/a, veya veri madenciliği istemcisi gibi diğer istemciler için Excel kullanarak.Daha fazla bilgi için aşağıdaki konulara bakın:

Çözümleme Yönetim Nesneleri (ÇYN)

Komut dosyası dili Tanıtımı Analysis Services

Veri Araştırma Uzantıları (DMX) Başvurusu

[Top]

Mining modeli özellikleri

Her araştırma modeli, model ve meta veriler tanımlayan özellikleri vardır.Bu ad, açıklama, modeli son işlendiği, tarih modeli izinleri ve eğitim amacıyla kullanılan veri üzerinde herhangi bir filtre içerebilir.

Her araştırma modeli, türetilmiştir özelliklerine de sahip araştırma yapısı, ve modeli tarafından kullanılan veri sütunları açıklar.Sütun sütun iç içe geçmiş tablo ise, ayrı bir filtre uygulanan sahip olabilir.

Buna ek olarak, her bir araştırma modeli iki özel özelliklerini içerir: Algorithmand Usage.

• Algoritma özellik model oluşturmak için kullanılan algoritmayı belirtir.Kullanılabilen algoritmalar bağlı sağlayıcı kullanmakta olduğunuz.For a list of the algorithms that are included with SQL Server Analysis Services, see Veri madenciliği algoritmaları (Analysis Services - veri madenciliği). The Algorithm property applies to the mining model and can be set only one time for each model.Daha sonra ancak bazı sütunları algoritma değiştirebilirsiniz araştırma modeli seçtiğiniz algoritması tarafından desteklenmeyen, geçersiz hale gelebilir.Yeniden Üstelik, her zaman aşağıdaki değişiklikler model işleme gerekir.

• Kullanım özellik her sütun modeli tarafından nasıl kullanıldığını tanımlar.Sütun kullanım olarak tanımladığınız Input, Predict, Predict Only, veya Key.The Usage property applies to individual mining model columns and must be set individually for every column that is included in a model.Yapı modelini kullanan bir sütun içeriyorsa, kullanım olduğu küme için Ignore.

Bir araştırma modeli oluşturduktan sonra araştırma modeli özelliklerinin değerini değiştirebilirsiniz.Ancak, hatta adını değiştirmek araştırma modeli, model yeniden işleme gerektirir.Model yeniden işleme sonra farklı sonuçlar görebilirsiniz.

[Top]

Mining modeli sütunlar

Araştırma yapısı gibi araştırma modeli sütunlar içerir.Hangi sütunların modelde kullanılacak araştırma yapısı arasından seçim yapabilirsiniz.Temel araştırma yapısında olan sütunlar kullanmanın yanı sıra, araştırma yapısı sütunları kopyalarını oluşturmak ve sonra bunları yeniden adlandırmak veya bunların kullanımını değiştirme.

Hangi algoritmayı seçerseniz seçin, araştırma yapısında bazı sütunlar modeli ile uyumsuz olabilir veya kötü yol açabilir bağlı sonuçlar.Veri yapısı içinde dikkatle gözden geçirin ve anlamsız bir çözümleme için sütunlar modele dahil.Bir sütun kullanılmaması gerektiğini düşünüyorsanız, araştırma yapısı ya da araştırma modeli silmeniz gerekmez; Bunun yerine, yalnızca küme sütununda, model oluştururken gözardı edileceğini belirten bayrak.Bu sütun içinde kalacak anlamına gelir araştırma yapısı, ancak araştırma modelinde; kullanılmaz. modelinden araştırma yapısı detaylandırma etkinleştirilmişse, ancak, elde edilen bilgileri alabileceğiniz sütun daha sonra.

Modeli oluşturduktan sonra ekleme veya sütunları kaldırma veya model adını değiştirme gibi değişiklikler yapabilirsiniz.Ancak, herhangi bir değişiklik, hatta yalnızca modeli meta veriler modeli yeniden işleme gerektirir.

Daha fazla bilgi için bkz: Araştırma yapısı sütunlar ve Mining modeli sütunlar.

[Top]

Veri madenciliği modelleri işleme

Bir veri araştırma modeli işlendiği kadar boş bir nesnedir.Bir modeli işlediğinizde, yapı tarafından önbelleğe alınmış verileri bir model içinde tanımlanan ve algoritması tarafından çözümlenen bir filtre geçirilir.Algoritma kuralları ve veri içinde desen tanımlar ve bu kurallar ve desenleri modeli doldurmak için kullanır.Algoritmalar veri madenciliği modelleri oluşturmak için nasıl kullanıldığı hakkında daha fazla bilgi için bkz: Veri madenciliği algoritmaları (Analysis Services - veri madenciliği).

İşlendikten sonra araştırma modeli de bilgi hakkında depolar sonuçlar incelemenin.Bir araştırma modeli içinde depolanan verilerin türü hakkında daha fazla bilgi için bkz: İçerik modeli mining (Analysis Services - veri madenciliği).

[Top]

Görüntüleme ve veri madenciliği modelleri sorgulama

Bir modeli işlendi sonra onu içinde sağlanan özel görüntüleyicileri kullanarak keşfedebilirsiniz Business Intelligence Development Studio ve SQL Server Management Studio.Özel görüntüleyicilerinde hakkında daha fazla bilgi için Analysis Services, bkz: Veri madenciliği Model görüntüleme.

Öngörüler yapmak veya modeli tarafından oluşturulan desenler ya da modeli meta veriler almak için araştırma modeli karşı sorguları da oluşturabilirsiniz.Veri Mining Extensions (dmx) kullanarak sorguları oluşturun.Farklı bir veri karşı kullanabileceğiniz sorgu türleri hakkında bilgi için araştırma modeli, bkz: Veri madenciliği modelleri sorgulama (- Analysis Services veri madenciliği).

Ayrıca bkz.

Görevler

Kavramlar