Metody diskretizace (dolování dat)

Platí pro: SQL Server 2019 a starší služby Analysis Services Azure Analysis Services Fabric/ Power BI Premium

Důležité

Dolování dat bylo v SQL Serveru 2017 Analysis Services zastaralé a nyní ukončeno ve službě SQL Server 2022 Analysis Services. Dokumentace se neaktualizuje pro zastaralé a ukončené funkce. Další informace najdete v tématu Zpětná kompatibilita služby Analysis Services.

Některé algoritmy, které se používají k vytváření modelů dolování dat v SQL Server SQL Server Analysis Services, vyžadují ke správnému fungování konkrétní typy obsahu. Například algoritmus Microsoft Naive Bayes nemůže jako vstup používat souvislé sloupce a nemůže předpovědět souvislé hodnoty. Některé sloupce navíc můžou obsahovat tolik hodnot, že algoritmus nedokáže snadno identifikovat zajímavé vzory v datech, ze kterých se má model vytvořit.

V těchto případech můžete diskretizovat data ve sloupcích, aby bylo možné použít algoritmy k vytvoření modelu dolování. Diskretizace je proces vkládání hodnot do kbelíků tak, aby byl omezený počet možných stavů. Samotné kontejnery se považují za seřazené a diskrétní hodnoty. Můžete diskretizovat číselné i řetězcové sloupce.

Existuje několik metod, které můžete použít k diskretizaci dat. Pokud vaše řešení pro dolování dat používá relační data, můžete určit počet kbelíků, které se mají použít k seskupení dat nastavením hodnoty DiscretizationBucketCount vlastnosti. Výchozí počet kbelíků je 5.

Pokud vaše řešení pro dolování dat používá data z datové krychle OLAP (Online Analytical Processing), algoritmus dolování dat automaticky vypočítá počet kbelíků, které se mají vygenerovat pomocí následující rovnice, kde n je počet jedinečných hodnot dat ve sloupci:

Number of Buckets = sqrt(n)

Pokud nechcete, aby služba SQL Server Analysis Services vypočítala počet kbelíků, můžete pomocí DiscretizationBucketCount vlastnosti ručně určit počet kontejnerů.

Následující tabulka popisuje metody, které můžete použít k diskretizaci dat ve službě SQL Server Analysis Services.

Metoda diskretizace	Description
AUTOMATICKÉ	SLUŽBA SQL Server Analysis Services určuje, kterou metodu diskretizace použít.
CLUSTERY	Algoritmus rozdělí data do skupin vzorkováním trénovacích dat, inicializací na několik náhodných bodů a následným spuštěním několika iterací algoritmu Microsoft Clustering pomocí metody clusteringu Expectation Maximization (EM). Metoda CLUSTERS je užitečná, protože funguje na libovolné distribuční křivce. Vyžaduje však více času zpracování než jiné metody diskretizace. Tuto metodu lze použít pouze s číselnými sloupci.
EQUAL_AREAS	Algoritmus rozdělí data do skupin, které obsahují stejný počet hodnot. Tato metoda je nejvhodnější pro normální distribuční křivky, ale nefunguje dobře, pokud rozdělení obsahuje velký počet hodnot, které se vyskytují v úzké skupině v souvislých datech. Pokud má například jedna polovina položek náklady 0, bude jedna polovina dat probíhat pod jedním bodem křivky. V takové distribuci tato metoda rozdělí data v úsilí o vytvoření stejné diskretizace do více oblastí. Výsledkem je nepřesná reprezentace dat.

Poznámky

• K diskretizaci řetězců můžete použít metodu EQUAL_AREAS .

• Metoda CLUSTERS používá k diskretizaci dat náhodný vzorek 1 000 záznamů. Pokud nechcete, aby algoritmus používal vzorková data, použijte metodu EQUAL_AREAS.

Viz také

Typy obsahu (dolování dat)
Typy obsahu (DMX)
Algoritmy dolování dat (Analysis Services – Dolování dat)
Struktury dolování dat (Analysis Services - Dolování dat)
Datové typy (dolování dat)
Sloupce struktury dolování
Distribuce sloupců (dolování dat)