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 vytvářejí modely dolování dat v SQL Server Analytické služby SQL Serveru vyžadují správné fungování konkrétních typů obsahu. Například algoritmus Microsoft Naive Bayes nemůže jako vstup používat souvislé sloupce a nemůže předpovědět souvislé hodnoty. Některé sloupce také obsahují tolik hodnot, ze kterých algoritmus nedokáže snadno identifikovat zajímavé vzory v datech a vytvořit z nich model.

V těchto případech můžete diskretizovat data ve sloupcích, aby bylo možné pomocí algoritmů vytvořit model dolování. Diskretizace je proces vkládání hodnot do kbelíků, takže existuje omezený počet možných stavů. Samotné kontejnery se považují za seřazené a diskrétní hodnoty. Můžete diskretizovat číselné i řetězcové sloupce.

Pro diskretizaci dat je k dispozici několik metod. 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 Analytické služby SQL Serveru vypočítala počet přihrádek, použijte vlastnost DiscretizationBucketCount k ručnímu zadání počtu přihrádek.

Následující tabulka popisuje metody, které můžete použít k diskretizaci dat v Analytické služby SQL Serveru.

Metoda diskretizace	Description
AUTOMATICKÉ	SLUŽBA Analytické služby SQL Serveru 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 v úzké skupině v souvislých datech. Pokud například polovina položek má náklady ve výši 0, polovina dat se nachází v jediném bodě na křivce. V takové distribuci tato metoda rozdělí data ve snaze navázat stejnou diskretizaci do více oblastí. Tento proces vytváří nepřesnou reprezentaci dat.

Poznámky

• K diskretizaci řetězců použijte metodu EQUAL_AREAS .

• Metoda CLUSTERS používá k diskretizaci dat náhodný vzorek 1 000 záznamů. Metodu EQUAL_AREAS použijte, pokud nechcete, aby algoritmus prováděl vzorkování dat.

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)