Yapıları mining (Analysis Services - veri madenciliği)

Bir araştırma yapısı tanımladığınızda, varolan bir de kullanılabilir sütunları kullanın veri kaynak görünümü.veri kaynağı görünümü birden çok veri kaynaklarını birleştirir ve onları oluşturulan yapı ya da araştırma modeli tek bir kaynak olarak kullanmanıza olanak sağlar.Özgün veri kaynakları istemci uygulamaları için görünür değil.

Veri kaynak görünümleri hakkında daha fazla bilgi için bkz: Veri kaynağı görünümleri (Analysis Services - çok boyutlu verilerle).

Aynı birden çok veri madenciliği modelleri oluşturmak, araştırma yapısı, modelleri yapısından farklı sütunlar ve kullanabilirsiniz farklı şekillerde sütunları kullanın.Örneğin, tek bir yapı oluşturmak ve sonra ayrı karar ağacı ve buradan, farklı öznitelikler tahmin etmek ve farklı sütunlar kullanarak her bir modeli ile kümeleme modelleri oluşturun.

Veri araştırma yapısı yalnızca kaynak verileri Bağlar saklar.Belirli bir veri bağlama olmadan veri madenciliği yapısı oluşturabilirsiniz kaynak dmx kullanarak ARAŞTIRMA YAPISI (DMX) OLUŞTURMA deyim.

Araştırma yapısı verilerini açıklayan Araştırma yapısı sütunları taşlarıdır, veri kaynak içerir.Bu sütunların veri türü, içerik türüne ve verilerin nasıl dağıtıldığı gibi bilgileri içerir.Araştırma yapısı veya bir model oluşturmak için kullanılan algoritma türü sütunları belirli araştırma modeli için nasıl kullanıldığı hakkında bilgi içermez; Bu bilgiler içinde tanımlanan araştırma modeli kendisi.

Bir araştırma yapısı iç içe geçmiş tablolar da içerebilir.İç içe geçmiş tablo varlık arasında bir-çok ilişkisi temsil eden bir durum ve ilgili öznitelikleri.Örneğin müşteri açıklayan bilgileri birinde bulunan, tablo, başka bir müşterinin satın alması ve tablo, kullanabileceğiniz iç içe tablotek bir durum bilgilerini birleştirmek için s.Müşteri tanımlayıcısı varlık, ve Satınalmalar ilgili olanlardır.İç içe geçmiş tablolar kullanma hakkında daha fazla bilgi için bkz: İç içe tablolar (Analysis Services - veri madenciliği).

Business Intelligence Development Studio'daki veri madenciliği model oluşturmak için önce bir veri oluşturmalısınız araştırma yapısı.Veri madenciliği Sihirbazı bir araştırma yapısı oluşturma, veri seçme ve bir araştırma modeli ekleme işleminde size eşlik eder.

Veri madenciliği Extensions (dmx) kullanarak araştırma modeli oluşturmak, model ve sütunlar içinde belirtebilirsiniz ve dmx otomatik olarak gerekli araştırma yapısı oluşturun.Daha fazla bilgi için bkz: ARAŞTIRMA MODELİ (DMX) OLUŞTURMA.

Daha fazla bilgi için bkz: Araştırma yapısı sütunlar.

Ne zaman size tanımlamak için veri araştırma yapısı, ayrıca bazı verileri, eğitim ve bazı sınama için kullanılması gerektiğini belirtebilirsiniz.Bu nedenle, artık kazanmaları veri oluşturma veri bölümlemek gerekli değildir araştırma yapısı.Eğitim veya sizin için kullanılan diğer durumlarda test veri küme kullanmak için belirli sayıda belirtebilirsiniz ve belirli bir yüzdesi verileri sınamak için tutulması olduğunu belirtebilirsiniz.Bölüm bilgileri önbelleğe alınmış olan araştırma yapısı; Bu nedenle, bu yapısına göre tüm modelleri ile aynı sınama küme kullanılabilir.

Daha fazla bilgi için bkz: Veri eğitimi ve kümeleri sınama içine bölümleme (Analysis Services - veri madenciliği).

Araştırma yapısı sütunlar ekleyebilirsiniz içinde belirli bir sütun kullanmayı planladığınız bile araştırma modeli.Bir sütun için kullanım belirtmezseniz, sütunu çözümleme ve tahmin için dikkate alınmaz.Ancak, bu hala sorgularda araştırma modeli detaylandırma etkinleştirme tarafından kullanılabilir.Uygun izinleriniz varsa, örneğin, üzerinden belirli bir düğüm ve hatta erişim yapısı sütunları modelinde kullanılan durumlarda hakkında ayrıntılı bilgi almak için bir araştırma modeli sonucunda alınan inebilir.

Daha fazla bilgi için bkz: Drillthrough veri madenciliği modelleri ve araştırma yapıları kullanarak (Analysis Services - veri madenciliği).

A araştırma yapısı işlendiği kadar bir meta veriler kapsayıcıdır.Bir araştırma yapısı işlediğinizde Analysis Services verileri, nasıl sürekli diğer öznitelikleri discretized ve diğer bilgi tarafından daha sonra kullanılan ilgili istatistikler depolar bir önbellek oluşturur.madenciliği modelleri. Araştırma modeli herhangi bir veri depolamak, ancak önbellekteki bilgilere başvurur.Bu nedenle, bir araştırma modeli işlediğinizde, yapı önbellek kullanılabilir olması gerekir.Kullanılabilir durumda değilse, model oluşturulmadan önce yapısını yeniden gerekir.

Verileri önbelleğe alınmasını istemiyorsanız, değiştirebileceğiniz CacheMode özellik araştırma yapısı için ClearAfterProcessing.Tüm modeller işlendikten sonra bu önbellek yok eder.Ayar CacheMode özellik için ClearAfterProcessing detaylandırma madenciliği model. devre dışı bırakır

Önbelleğe alınan verileri kullanılabilir olduğu sürece, araştırma yapısı yapısına yeni bir araştırma modeli eklediğinizde, yeniden gerekmez; Sadece model işleyebilir.Daha fazla bilgi için bkz: Veri madenciliği nesneleri işleniyor.

Veri gözatmak için görüntüleyiciler kullanamazsınız bir araştırma yapısı.Bununla birlikte, Business Intelligence Development Studio, kullanabileceğiniz Mining yapısı yapısı sütunları ve bunların tanımlarını görüntülemek için veri Mining Tasarımcısı sekmesi.Daha fazla bilgi için bkz: Veri madenciliği Tasarımcısı.

Verileri gözden geçirmek isterseniz, araştırma yapısı, veri Mining Extensions (dmx) kullanarak sorgular oluşturabilirsiniz.Örneğin, deyim SELECT * FROM <structure>.CASES verilerin tümünü verir araştırma yapısı.Bu bilgileri almak için bir araştırma yapısı işlenen gerekir ve sonuçlar işlenmesi önbelleğe alınabilir.

deyim SELECT * FROM <model>.CASES verir aynı sütunlarını, ancak yalnızca durumlarda belirli bir model bu.Daha fazla bilgi için bkz: select from <yapı>.SERVİS TALEPLERİ ve select from <modeli>.SERVİS TALEPLERİNİ (DMX).