Procesamiento de objetos de minería de datos

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 descontinuó en SQL Server 2022 Analysis Services. La documentación no se actualiza para las características en desuso y descontinuadas. Para más información, consulte Compatibilidad con versiones anteriores de Analysis Services.

Un objeto de minería de datos permanece vacío hasta que Analysis Services lo procesa. El entrenamiento hace referencia al procesamiento de un modelo de minería de datos.

Procesamiento de estructuras de minería de datos: Una estructura de minería de datos obtiene datos de un origen de datos externo, tal como se define en los enlaces de columna y los metadatos de uso, y lee los datos. Estos datos se leen en su totalidad y, a continuación, se analizan para extraer diversas estadísticas. Analysis Services almacena una representación compacta de los datos, que es adecuada para el análisis por algoritmos de minería de datos, en una memoria caché local. Puede conservar esta memoria caché o eliminarla una vez procesados los modelos. De forma predeterminada, la memoria caché se almacena. Para obtener más información, consulte Procesar una estructura de minería.

Procesamiento de modelos de minería de datos: Un modelo de minería de datos está vacío, que contiene solo definiciones, hasta que se procesa. Para procesar un modelo de minería, la estructura de minería en la que se basa debe haber sido procesada. El modelo de minería de datos obtiene los datos de la caché de la estructura de minería de datos, aplica los filtros que se pueden haber creado en el modelo y, a continuación, pasa el conjunto de datos a través del algoritmo para detectar patrones. Una vez procesado el modelo, el modelo almacena solo los resultados del procesamiento, no los datos en sí. Para obtener más información, consulte Procesar un modelo de minería de datos.

En el diagrama siguiente se muestra cómo fluyen los datos a medida que Analysis Services procesa una estructura de minería de datos y un modelo de minería de datos.

Visualización de los resultados del procesamiento

Después de procesar una estructura de minería, esta tiene una representación compacta de los datos para el análisis estadístico. Si la memoria caché sigue teniendo los datos, úsela de estas maneras:

• Cree una consulta de extensiones de minería de datos (DMX) en el modelo y explore en profundidad la estructura. Para obtener más información, vea SELECT FROM <model>.CASES (DMX).

• Examine un modelo basado en la estructura y use una opción de interfaz de usuario para explorar en profundidad los casos de estructura. Para obtener más información, vaya a Visores de modelos de minería de datos o Obtener detalles de los datos de casos desde un modelo de minería de datos.

• Cree una consulta DMX en los casos de estructura. Para obtener más información, vea SELECT FROM <structure>.CASES.

Una vez procesado un modelo de minería de datos, solo contiene los patrones del análisis y las correspondencias de los resultados del modelo con los datos de entrenamiento en caché. El término contenido del modelo hace referencia a los resultados del modelo. Examine o consulte el contenido del modelo. Consulte también los casos de modelo y estructura si la memoria caché las tiene.

El contenido del modelo depende del algoritmo. Por ejemplo, los modelos de agrupación en clústeres y árboles de decisión generan contenido diferente incluso cuando usan los mismos datos. Para obtener más información, vea Contenido del modelo de minería de datos (Analysis Services - Minería de datos).

Requisitos de procesamiento

Los requisitos de procesamiento pueden diferir en función de si los modelos de minería de datos solo usan datos relacionales o usan orígenes de datos multidimensionales.

En el caso de los orígenes de datos relacionales, cree datos de entrenamiento y ejecute algoritmos de minería de datos en esos datos. Los modelos de minería de datos que usan objetos OLAP, como dimensiones y medidas, también requieren datos subyacentes procesados. Es posible que tenga que procesar los objetos multidimensionales para rellenar el modelo de minería de datos.

Para obtener más información, vea Requisitos y consideraciones de procesamiento (minería de datos).

Véase también

Consultas detalladas (Minería de datos)
Estructuras de minería (Analysis Services - Minería de datos)
Modelos de minería (Analysis Services - Minería de datos)
Arquitectura lógica (Analysis Services - Minería de datos)