Informations de référence sur les algorithmes (Analysis Services - Exploration de données)
Cette section fournit des liens vers des rubriques proposant des informations supplémentaires sur des algorithmes d'exploration de données spécifiques. Elle fournit également la liste des fonctions qui peuvent être utilisées avec chaque algorithme.
Si vous souhaitez une vue d'ensemble du fonctionnement des algorithmes d'exploration de données, ou si vous souhaitez connaître différents scénarios métier dans lesquels vous pouvez tirer parti de l'utilisation d'un algorithme particulier, consultez Algorithmes d'exploration de données (Analysis Services – exploration de données).
Description générale de l'algorithme
Le choix de l'algorithme approprié pour la tâche analytique et la préparation des données pour répondre aux spécifications de l'analyse, sont des étapes importantes du processus d'exploration de données. Les rubriques suivantes fournissent une vue d'ensemble du fonctionnement de chaque algorithme, propose un exemple de tâche analytique pour laquelle l'algorithme est adapté et décrit comment le modèle est utilisé dans le scénario. Chaque rubrique contient également une section Conditions requises qui donne des recommandations sur le type de données requis pour chaque type de modèle.
Algorithme Microsoft Association
Algorithme de gestion de clusters Microsoft
Algorithme MDT (Microsoft Decision Trees)
Algorithme MLR (Microsoft Linear Regression)
Algorithme MLR (Microsoft Logistic Regression)
Algorithme MNB (Microsoft Naive Bayes)
Algorithme MNN (Microsoft Neural Network) (Analysis Services - Exploration de données)
Références techniques sur les algorithmes
Lorsque vous sélectionnez un algorithme à utiliser pour créer un modèle, vous pouvez accepter les valeurs par défaut fournies par Analysis Services, mais vous aurez souvent besoin de personnaliser la façon dont le modèle est créé ou la façon dont l'algorithme traite les données. Les rubriques suivantes décrivent les paramètres que vous pouvez utiliser pour personnaliser votre modèle d'exploration de données et fournissent des informations techniques détaillées sur l'implémentation de chaque algorithme.
Références techniques relatives à l'algorithme Microsoft Association
Références techniques relatives à l'algorithme de gestion de clusters Microsoft
Références techniques relatives à l'algorithme MDT (Microsoft Decision Trees)
Références techniques relatives à l'algorithme MLR (Microsoft Linear Regression)
Références techniques relatives à l'algorithme MLR (Microsoft Logistic Regression)
Références techniques relatives à l'algorithme MNB (Microsoft Naive Bayes)
Références techniques relatives à l'algorithme MNN (Microsoft Neural Network)
Références techniques relatives à l'algorithme MTS (Microsoft Time Series)
Lorsque vous créez un modèle, vous pouvez le personnaliser et affecter potentiellement les résultats en filtrant les données utilisées lors de l'apprentissage du modèle. Pour plus d'informations sur l'utilisation de filtres lors de l'apprentissage et du test des modèles d'exploration de données, consultez Création de filtres pour les modèles d'exploration de données (Analysis Services - Exploration de données) et Outils de création de diagramme de précision de modèle (Analysis Services - Exploration de données).
Informations de référence sur les requêtes et les fonctions de prédiction
Vous pouvez utiliser des fonctions pour récupérer les résultats d'un modèle d'exploration de données. Une fonction de prédiction peut fournir des informations détaillées sur des schémas et des statistiques identifiés dans l'analyse. Elle peut également être utilisée pour élaborer des prédictions et filtrer ces prédictions en fonction de la probabilité ou de l'importance.
Pour obtenir la liste de toutes les fonctions de prédiction, consultez Fonctions DMX (Data Mining Extensions).
Le tableau suivant répertorie les fonctions de Analysis Services qui peuvent être utilisées pour créer des requêtes sur tous les types d'algorithmes.
|
Utilisation de fonctions de prédiction avec des types de modèles spécifiques
Dans la mesure où chaque algorithme crée des schémas différents, il existe des fonctions de prédiction supplémentaires qui sont propres à chaque type de modèle. La façon dont les fonctions de prédiction sont utilisées et la façon dont les résultats sont interprétés peuvent également changer légèrement selon le modèle d'exploration de données. Pour obtenir des exemples d'utilisation de fonctions de prédiction pour créer des requêtes sur des types de modèles spécifiques, consultez les rubriques suivantes :
Interrogation d'un modèle d'association (Analysis Services - Exploration de données)
Interrogation d'un modèle de clustering (Analysis Services - Exploration de données)
Interrogation d'un modèle d'arbre de décision (Analysis Services - Exploration de données)
Interrogation d'un modèle Naive Bayes (Analysis Services - Exploration de données)
Interrogation d'un modèle de régression linéaire (Analysis Services - Exploration de données)
Interrogation d'un modèle de régression logistique (Analysis Services - Exploration de données)
Interrogation d'un modèle de réseau neuronal (Analysis Services - Exploration de données)
Interrogation d'un modèle Sequence Clustering (Analysis Services - Exploration de données)
Interrogation d'un modèle de série chronologique (Analysis Services - Exploration de données)