Crear una estructura de minería de datos OLAP
Se aplica a:
SQL Server 2019 y versiones anteriores de Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
Importante
La minería de datos estaba en desuso en SQL Server 2017 Analysis Services y ahora se ha interrumpido en SQL Server 2022 Analysis Services. La documentación no se actualiza para las características en desuso e interrumpidas. Para más información, consulte Compatibilidad con versiones anteriores de Analysis Services.
Puede usar el Asistente para minería de datos de Microsoft SQL Server SQL Server Analysis Services para crear una estructura de minería de datos que use datos de un modelo multidimensional. Los modelos de minería de datos basados en los cubos OLAP pueden utilizar las columnas y los valores de las tablas de hechos, las dimensiones y los grupos de medida como atributos para el análisis.
Para crear una estructura de minería de datos OLAP
En Explorador de soluciones en SQL Server Data Tools, haga clic con el botón derecho en la carpeta Estructuras de minería de datos de un proyecto de SQL Server Analysis Services y, a continuación, haga clic en Nueva estructura de minería de datos para abrir el Asistente para minería de datos.
En la página de inicio del Asistente para minería de datos , haga clic en Siguiente.
En la página Seleccionar el método de definición , seleccione A partir de un cubo existentey, a continuación, haga clic en Siguiente.
Si aparece el mensaje de error No se puede recuperar una lista de algoritmos de minería de datos admitidos, abra el cuadro de diálogo Propiedades del proyecto y compruebe que ha especificado el nombre de una instancia de Analysis Services que admite modelos multidimensionales. No se pueden crear modelos de minería de datos en una instancia de SQL Server Analysis Services que admita el modelado tabular.
En la página Crear la estructura de minería de datos , decida si desea crear solo una estructura de minería de datos o una estructura de minería de datos más un modelo de minería de datos relacionado. Generalmente, resulta más fácil crear un modelo de minería de datos al mismo tiempo, ya que de esta forma se le solicitará que incluya las columnas necesarias.
Si va a crear un modelo de minería de datos, seleccione el algoritmo de minería de datos que desee usar y, a continuación, haga clic en Siguiente. Para obtener más información sobre cómo elegir un algoritmo, vea Algoritmos de minería de datos (Analysis Services - Minería de datos) .
En la página Seleccionar la dimensión de cubo de origen , en Seleccione una dimensión de cubo de origen, busque la dimensión que contenga la mayoría de los datos de los casos.
Por ejemplo, si intenta identificar agrupaciones de clientes, puede seleccionar la dimensión Customer; si intenta analizar las compras entre las distintas transacciones, puede seleccionar la dimensión Internet Sales Order Details. No está obligado a utilizar únicamente los datos de esta dimensión, pero esta debería contener atributos importantes para su uso en el análisis.
Haga clic en Siguiente.
En la página Seleccionar la clave de caso , en Atributos, seleccione el atributo que se utilizará como clave de la estructura de minería de datos y, a continuación, haga clic en Siguiente.
Normalmente, el atributo utilizado como clave para la estructura de minería de datos es también una clave para la dimensión y aparecerá seleccionado.
En la página Seleccionar columnas de nivel de caso , en Atributos y medidas relacionados, seleccione los atributos y las medidas que contengan los valores que desea agregar a la estructura de minería de datos como datos de los casos. Haga clic en Siguiente.
En la página Especificar el uso de las columnas del modelo de minería , en Estructura del modelo de minería de datos, establezca primero la columna de predicción y, a continuación, elija las columnas que desea utilizar como entradas.
Active la casilla de la columna situada en el extremo izquierdo para incluir los datos en la estructura de minería de datos. Puede incluir columnas en la estructura y usarlas como referencia, pero no para el análisis.
Seleccione la casilla de la columna Entrada para utilizar el atributo como una variable en el análisis.
Seleccione la casilla de la columna Predicción solo para los atributos de predicción.
Tenga en cuenta que las columnas que ha designado como claves no se pueden utilizar para la entrada o la predicción.
Haga clic en Siguiente.
También puede agregar y quitar tablas anidadas a la estructura de minería de datos en la página Especificar el uso de las columnas del modelo de minería , utilizando Agregar tablas anidadas y Tablas anidadas.
En un modelo de minería de datos OLAP, una tabla anidada es otro conjunto de datos del cubo que tiene una relación de uno a varios con la dimensión que representa los atributos del caso. Por lo tanto, cuando se abre el cuadro de diálogo, aparecerán seleccionados los grupos de medida que ya están relacionados con la dimensión seleccionada como la tabla de casos. En este momento, deberá elegir una dimensión diferente que contenga información adicional que resulte útil para el análisis.
Por ejemplo, si está analizando clientes, usará la dimensión [Customer] como tabla de casos. En la tabla anidada, puede agregar la razón citada por los clientes al realizar una compra, que está incluida en la dimensión [Sales Reason].
Si agrega datos anidados, deberá especificar dos columnas adicionales:
La clave de la tabla anidada: aparecerá ya seleccionada en la página Seleccionar la clave de la tabla anidada.
Los atributos y las medidas que se van a utilizar para el análisis: la página Seleccionar las columnas de la tabla anidadaproporciona una lista de las medidas y atributos de la selección de la tabla anidada.
Para cada atributo que incluya en el modelo, active la casilla de la columna izquierda.
Si desea utilizar el atributo solo para el análisis, active Entrada.
Si desea incluir la columna como uno de los atributos de predicción para el modelo, seleccione Predicción.
Los elementos incluidos en la estructura pero que no se han especificado como atributos de entrada o de predicción se agregarán a la estructura con la marca Ignore; esto significa que los datos se procesan al generar el modelo pero no se utilizan en el análisis, y solo están disponibles para la obtención de detalles. Esto puede ser útil si desea incluir detalles como nombres de cliente, pero no quiere usarlos en el análisis.
Haga clic en Finalizar para cerrar la parte del asistente que trabaja con las tablas anidadas. Puede repetir el proceso para agregar varias columnas anidadas.
En la página Especificar el contenido y el tipo de datos de las columnas , en Estructura del modelo de minería de datos, establezca el tipo de contenido y el tipo de datos de cada columna.
Nota:
Los modelos de minería de datos OLAP no admiten el uso de la característica Detectar para detectar automáticamente si una columna contiene datos continuos o discretos.
Haga clic en Siguiente.
En la página Segmentar el cubo de origen , puede filtrar los datos que se utilizan para crear la estructura de minería de datos.
La segmentación del cubo le permite restringir los datos utilizados para generar el modelo. Por ejemplo, puede generar modelos independientes para cada región realizando la segmentación por la jerarquía Geography y
Dimensión: elija una dimensión relacionada en la lista desplegable.
Jerarquía: seleccione el nivel de la jerarquía de dimensiones en la que desea aplicar el filtro. Por ejemplo, si realiza la segmentación por la dimensión [Geography], seleccionará un nivel de jerarquía como [Region Country Name].
Operador: seleccione un operador de la lista.
Expresión de filtro: escriba un valor o una expresión que se usará como condición de filtro, o utilice la lista desplegable para seleccionar un valor en la lista de miembros en el nivel especificado de la jerarquía.
Por ejemplo, si seleccionó [Geography] como dimensión y [Nombre de país de región] como nivel de jerarquía, la lista desplegable contiene todos los países o regiones válidos que puede usar como condición de filtro. Puede hacer selecciones múltiples. Como resultado, los datos de la estructura de minería de datos estarán limitados a los datos del cubo de estas áreas geográficas.
Parámetros: omita esta casilla. Este cuadro de diálogo admite varios escenarios de filtrado de cubos y esta opción no es relevante para generar una estructura de minería de datos.
Haga clic en Siguiente.
En la página Dividir los datos en conjuntos de aprendizaje y conjuntos de pruebas , especifique el porcentaje de los datos de la estructura de minería de datos que va a reservar para realizar pruebas, o especifique el número máximo de casos de prueba. Haga clic en Siguiente.
Si especifica ambos valores, los límites se combinan para usar el que sea más bajo.
En la página Finalización del asistente , especifique un nombre para la nueva estructura minería de datos OLAP y el modelo de minería de datos inicial.
Haga clic en Finalizar
En la página Finalización del asistente , también tiene la opción de crear una dimensión de modelo de minería de datos o un cubo mediante la dimensión de modelo de minería de datos. Estas opciones solo se admiten en los modelos generados mediante los algoritmos siguientes:
Algoritmo de clústeres de Microsoft
Algoritmo de árboles de decisión de Microsoft
Algoritmo de reglas de asociación de Microsoft
Crear dimensión de modelo de minería de datos: seleccione esta casilla y proporcione un nombre de tipo para la dimensión de modelo de minería de datos. Al utilizar esta opción, se crea una nueva dimensión dentro del cubo original utilizado para generar la estructura de minería de datos. Puede utilizar esta dimensión para explorar los datos en profundidad y realizar un análisis más exhaustivo. Dado que la dimensión está situada dentro del cubo, esta se asignará automáticamente a la dimensión de los datos de los casos.
Crear el cubo con la dimensión del modelo de minería de datos: seleccione esta casilla y especifique un nombre para el nuevo cubo. Al utilizar esta opción, se creará un nuevo cubo que contiene tanto las dimensiones existentes que se usaron para generar la estructura como la nueva dimensión de minería de datos que contiene los resultados del modelo.
Consulte también
Tareas y procedimientos de las estructuras de minería de datos