Poznámka:
Přístup k této stránce vyžaduje autorizaci. Můžete se zkusit přihlásit nebo změnit adresáře.
Přístup k této stránce vyžaduje autorizaci. Můžete zkusit změnit adresáře.
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.
Model dolování se vytváří použitím algoritmu na data, ale je to více než algoritmus nebo kontejner metadat: jedná se o sadu dat, statistik a vzorů, které lze použít na nová data k vygenerování předpovědí a odvozování relací.
Tato část vysvětluje, co je model dolování dat a k čemu se dá použít: základní architektura modelů a struktur, vlastnosti modelů dolování a způsoby vytvoření a práce s modely dolování.
Definování modelů dolování dat
Zobrazení a dotazování modelů dolování
Architektura modelu dolování
Model dolování dat získává data ze struktury dolování a pak tato data analyzuje pomocí algoritmu dolování dat. Struktura dolování a model dolování jsou samostatné objekty. Struktura dolování ukládá informace, které definují zdroj dat. Model dolování ukládá informace odvozené ze statistického zpracování dat, jako jsou vzory nalezené v důsledku analýzy.
Model dolování je prázdný, dokud nebudou zpracována a analyzována data poskytnutá dolováním. Po zpracování dataminingového modelu obsahuje metadata, výsledky a vazby zpět k dataminingové struktuře.
Metadata určují název modelu a server, na kterém je uložený, a také definici modelu, včetně sloupců ze struktury dolování, které byly použity při sestavování modelu, definice všech filtrů použitých při zpracování modelu a algoritmus, který se použil k analýze dat. Všechny tyto volby – datové sloupce a jejich datové typy, filtry a algoritmy mají silný vliv na výsledky analýzy.
Stejná data můžete například použít k vytvoření více modelů pomocí algoritmu clusteringu, algoritmu rozhodovacího stromu a algoritmu Naïve Bayes. Každý typ modelu vytváří jinou sadu vzorů, sad položek, pravidel nebo vzorců, které můžete použít k vytváření předpovědí. Obecně každý algoritmus analyzuje data jiným způsobem, takže obsah výsledného modelu je také uspořádaný do různých struktur. V jednom typu modelu mohou být data a vzory seskupeny v clusterech; v jiném typu modelu můžou být data uspořádaná do stromů, větví a pravidel, která je rozdělují a definují.
Model je ovlivněn také daty, na které ho vytrénujete: i modely natrénované na stejné dolování mohou přinést různé výsledky, pokud data filtrujete odlišně nebo během analýzy používáte různá semena. Skutečná data se do modelu neukládají; ukládají se pouze souhrnné statistiky, přičemž skutečná data se nacházejí ve struktuře dolování. Pokud jste při trénování modelu vytvořili filtry na data, definice filtrů se uloží i s objektem modelu.
Model obsahuje sadu vazeb, které odkazují zpět na data uložená v těžební struktuře. Pokud jsou data uložená v mezipaměti ve struktuře a po zpracování nebyla vymazána, tyto vazby vám umožňují podrobně procházet od výsledků k případům, které tyto výsledky podporují. Skutečná data jsou však uložena v mezipaměti struktury, nikoli v modelu.
Definování modelů dolování dat
Model dolování dat vytvoříte pomocí následujících obecných kroků:
Vytvořte základní strukturu dolování a zahrňte sloupce dat, která by mohla být potřeba.
Vyberte algoritmus, který je pro analytickou úlohu nejvhodnější.
Vyberte sloupce ze struktury, které chcete použít v modelu, a určete, jak se mají použít– který sloupec obsahuje výsledek, který chcete předpovědět, které sloupce jsou určené jenom pro vstup atd.
Volitelně můžete nastavit parametry pro vyladění zpracování algoritmem.
Naplňte model daty zpracováním struktury a modelu.
SQL Server Analysis Services poskytuje následující nástroje, které vám pomůžou se správou modelů dolování:
Průvodce dolováním dat vám pomůže vytvořit strukturu a související model dolování. Jedná se o nejjednodušší metodu, která se má použít. Průvodce automaticky vytvoří požadovanou dolování strukturu a pomůže vám s konfigurací důležitých nastavení.
K definování modelu lze použít příkaz DMX CREATE MODEL. Požadovaná struktura se automaticky vytvoří jako součást procesu; proto nelze znovu použít existující strukturu s touto metodou. Tuto metodu použijte, pokud už víte přesně, který model chcete vytvořit, nebo pokud chcete skriptovat modely.
Příkaz DMX ALTER STRUCTURE ADD MODEL lze použít k přidání nového modelu dolování do existující struktury. Tuto metodu použijte, pokud chcete experimentovat s různými modely založenými na stejné datové sadě.
Modely dolování můžete také vytvářet programově, pomocí AMO nebo XML/A nebo pomocí jiných klientů, jako je klient pro dolování dat pro Excel. Další informace najdete v následujících tématech:
Vlastnosti modelu dolování
Každý model dolování má vlastnosti, které definují model a jeho metadata. Patří sem název, popis, datum posledního zpracování modelu, oprávnění k modelu a všechny filtry dat používaných k trénování.
Každý model dolování má také vlastnosti odvozené ze struktury dolování a popisují sloupce dat používaných modelem. Pokud je některý sloupec používaný modelem vnořenou tabulkou, může mít sloupec také samostatný filtr.
Kromě toho každý model dolování obsahuje dvě speciální vlastnosti: Algorithm a Usage.
Vlastnost algoritmu Určuje algoritmus, který se používá k vytvoření modelu. Dostupné algoritmy závisí na poskytovateli, kterého používáte. Seznam algoritmů, které jsou součástí služby SQL Server SQL Server Analysis Services, naleznete v tématu Algoritmy dolování dat (Analysis Services – Dolování dat). Vlastnost Algoritmus se vztahuje na model dolování a lze nastavit pouze jednou pro každý model. Algoritmus můžete později změnit, ale některé sloupce v modelu dolování můžou být neplatné, pokud je algoritmus, který zvolíte, nepodporuje. Vždy je nutné znovu zpracovat model po změně této vlastnosti.
Vlastnost Využití Definuje, jak se jednotlivé sloupce používají v modelu. Použití sloupce můžete definovat jako vstup, předpověď, předpověď pouze nebo klíč. Vlastnost Usage se vztahuje na jednotlivé sloupce modelu dolování a musí být nastavena jednotlivě pro každý sloupec, který je součástí modelu. Pokud struktura obsahuje sloupec, který v modelu nepoužíváte, je použití nastaveno na Ignorovat. Příklady dat, která můžete zahrnout do struktury dolování, ale nepoužívá se v analýze, můžou být jména zákazníků nebo e-mailové adresy. Tímto způsobem je můžete později dotazovat, aniž byste je museli zahrnout během fáze analýzy.
Po vytvoření modelu dolování můžete změnit hodnotu vlastností modelu dolování. Jakákoli změna, dokonce i název modelu dolování, však vyžaduje, abyste model znovu zpracováli. Po opětovném zpracování modelu se můžou zobrazit různé výsledky.
Sloupce modelu dolování
Model dolování obsahuje sloupce dat získaných ze sloupců definovaných ve struktuře těžby. Můžete zvolit, které sloupce ze struktury dolování použít v modelu, a můžete vytvořit kopie sloupců struktury dolování a pak je přejmenovat nebo změnit jejich použití. V rámci procesu sestavování modelu musíte také definovat použití sloupce modelem. To zahrnuje takové informace, jako je to, jestli je sloupec klíčem, ať už se používá k predikci, nebo jestli ho může algoritmus ignorovat.
Při vytváření modelu se místo automatického přidávání všech dostupných sloupců dat doporučuje pečlivě zkontrolovat data ve struktuře a zahrnout do modelu pouze sloupce, které mají smysl pro analýzu. Měli byste se například vyhnout zahrnutí více sloupců, které opakují stejná data, a měli byste se vyhnout použití sloupců, které mají převážně jedinečné hodnoty. Pokud si myslíte, že sloupec by neměl být použit, není nutné jej odstranit z dolovací struktury nebo dolovacího modelu; místo toho můžete nastavit příznak u sloupce, který určuje, že se má při sestavování modelu ignorovat. To znamená, že sloupec zůstane ve struktuře těžby, ale nebude použit v modelu těžby. Pokud jste povolili podrobnou analýzu z modelu do struktury dolování, můžete později načíst informace ze sloupce.
V závislosti na tom, který algoritmus zvolíte, můžou být některé sloupce v dolování nekompatibilní s určitými typy modelů nebo vám můžou poskytnout špatné výsledky. Pokud například data obsahují souvislá číselná data, například sloupec Příjem, a váš model vyžaduje diskrétní hodnoty, budete možná muset data převést na diskrétní oblasti nebo je z modelu odebrat. V některých případech algoritmus automaticky převede nebo přihraje data za vás, ale výsledky nemusí být vždy to, co chcete nebo očekáváte. Zvažte vytvoření dalších kopií sloupce a vyzkoušení různých modelů. U jednotlivých sloupců můžete také nastavit příznaky, které označují, kde se vyžaduje speciální zpracování. Pokud například data obsahují hodnoty null, můžete k řízení zpracování použít příznak modelování. Pokud chcete, aby byl konkrétní sloupec v modelu považován za regresor, můžete to provést modelovacím příznakem.
Po vytvoření modelu můžete provádět změny, jako je přidání nebo odebrání sloupců nebo změna názvu modelu. Jakákoli změna, a to i jenom na metadata modelu, ale vyžaduje, abyste model znovu zpracováli.
Zpracování dolování modely
Model dolování dat je prázdný objekt, dokud se nezpracuje. Při zpracování modelu data uložená strukturou projdou filtrem, pokud je v modelu definován, a poté jsou analyzována algoritmem. Algoritmus vypočítá sadu souhrnných statistik, která popisuje data, identifikuje pravidla a vzory v datech a pak tato pravidla a vzory použije k naplnění modelu.
Po zpracování obsahuje model dolování celou řadu informací o datech a vzorech nalezených prostřednictvím analýzy, včetně statistik, pravidel a regresních vzorců. Tyto informace můžete procházet pomocí vlastních prohlížečů nebo můžete vytvořit dotazy na dolování dat, které načtou tyto informace a použijí je k analýze a prezentaci.
Zobrazení a dotazování modelů dolování
Po zpracování modelu ho můžete prozkoumat pomocí vlastních prohlížečů, které jsou k dispozici v nástrojích SQL Server Data Tools a SQL Server Management Studiu. For
Můžete také vytvářet dotazy na model dolování a vytvářet předpovědi nebo načítat metadata modelu nebo vzory vytvořené modelem. Dotazy můžete vytvářet pomocí rozšíření DMX (Data Mining Extensions).
Související obsah
| Témata | Links |
|---|---|
| Naučte se vytvářet struktury dolování, které mohou podporovat více těžebních modelů. Seznamte se s používáním sloupců v modelech. |
Sloupce struktury dolování Sloupce modelu dolování Typy obsahu (dolování dat) |
| Přečtěte si o různých algoritmech a o tom, jak volba algoritmu ovlivňuje obsah modelu. |
Obsah modelu dolování (Analysis Services – Dolování dat) Algoritmy dolování dat (Analysis Services – Dolování dat) |
| Přečtěte si, jak teď můžete u modelu nastavit vlastnosti, které ovlivňují jeho složení a chování. |
Vlastnosti modelu dolování Modelování příznaků (dolování dat) |
| Seznamte se s programovatelnými rozhraními pro dolování dat. |
Vývoj s využitím objektů AMO (Analysis Management Objects) Referenční dokumentace k rozšířením pro dolování dat (DMX) |
| Naučte se používat vlastní prohlížeče dolování dat ve službě SQL Server Analysis Services. | Prohlížeče modelů dolování dat |
| Prohlédněte si příklady různých typů dotazů, které můžete použít pro modely dolování dat. | Dotazy na dolování dat |
Související úkoly
Pomocí následujících odkazů získáte konkrétnější informace o práci s modely dolování dat.
| Task | Link |
|---|---|
| Přidání a odstranění modelů dolování |
Přidání modelu dolování do existující struktury dolování Odstranění modelu dolování ze struktury dolování |
| Práce se sloupci modelu dolování |
Vyloučení sloupce z modelu dolování Vytvoření aliasu pro sloupec modelu Změna diskretizace sloupce v modelu dolování Určení sloupce, který se má použít jako regresor v modelu |
| Změna vlastností modelu |
Změna vlastností modelu dolování Použití filtru na model dolování Odstranění filtru z modelu dolování Povolení podrobné analýzy pro model dolování Zobrazení nebo změna parametrů algoritmu |
| Kopírovat. přesun nebo správa modelů |
Vytvoření kopie modelu dolování Kopírování zobrazení modelu dolování EXPORT (DMX) IMPORT (DMX) |
| Naplnění modelů daty nebo aktualizace dat v modelu | Zpracování modelu dolování |
| Práce s modely OLAP | Vytvořte dimenzi dolování dat |
Viz také
Databázové objekty (Analysis Services – Multidimenzionální data)