Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Berlaku untuk:
SQL Server 2019 dan versi Analysis Services sebelumnya
Azure Analysis Services
Fabric/Power BI Premium
Penting
Penambangan data tidak digunakan lagi di SQL Server 2017 Analysis Services dan sekarang dihentikan di SQL Server 2022 Analysis Services. Dokumentasi tidak diperbarui untuk fitur yang tidak digunakan lagi dan dihentikan. Untuk mempelajari selengkapnya, lihat Kompatibilitas mundur Analysis Services.
Objek penggalian data tetap menjadi kontainer kosong sampai Analysis Services memprosesnya. Pelatihan mengacu pada pemrosesan model penambangan data.
Memproses struktur penambangan: Struktur penambangan mendapatkan data dari sumber data eksternal, seperti yang didefinisikan oleh pengikatan kolom dan metadata penggunaan, dan membaca data. Data ini dibaca secara penuh dan kemudian dianalisis untuk mengekstrak berbagai statistik. Analysis Services menyimpan representasi data yang ringkas, yang cocok untuk analisis oleh algoritma penggalian data, dalam cache lokal. Anda dapat menyimpan cache ini atau menghapusnya setelah model Anda diproses. Secara default, cache disimpan. Untuk informasi selengkapnya, lihat Memproses Struktur Penambangan.
Memproses model penambangan: Model penambangan kosong, hanya berisi definisi, sampai diproses. Untuk memproses model penambangan, struktur penambangan yang menjadi dasarnya harus telah diproses. Model penambangan mendapatkan data dari cache struktur penambangan, menerapkan filter apa pun yang mungkin telah dibuat pada model, lalu meneruskan himpunan data melalui algoritma untuk mendeteksi pola. Setelah model diproses, model hanya menyimpan hasil pemrosesan, bukan data itu sendiri. Untuk informasi selengkapnya, lihat Memproses Model Penambangan.
Diagram berikut menunjukkan bagaimana aliran data saat Analysis Services memproses struktur penambangan dan model penambangan.
Menampilkan Hasil Pemrosesan
Setelah Anda memproses struktur penambangan, struktur tersebut memiliki representasi data yang ringkas untuk analisis statistik. Jika cache masih memiliki data, gunakan dengan cara berikut:
Buat kueri Ekstensi Penggalian Data (DMX) pada model dan telusuri ke struktur. Untuk informasi selengkapnya, lihat SELECT FROM <model>.CASES (DMX).
Telusuri model berdasarkan struktur dan gunakan opsi UI untuk menelusuri kasus struktur. Untuk informasi selengkapnya, lihat Penampil Model Penambangan Data atau Telusuri hingga Data Kasus dari Model Penambangan Data.
Buat kueri DMX pada kasus-kasus struktur. Untuk informasi selengkapnya, lihat SELECT FROM <struktur>.CASES.
Setelah Anda memproses model penambangan data, model tersebut hanya memiliki pola hasil analisis dan pemetaan dari hasil model ke data pelatihan yang tersimpan dalam cache. Istilah konten model mengacu pada hasil model. Telusuri atau kueri konten model. Cari juga model dan kasus struktur jika ada di cache.
Konten model tergantung pada algoritma. Misalnya, pengklusteran dan model pohon keputusan menghasilkan konten yang berbeda bahkan ketika mereka menggunakan data yang sama. Untuk informasi selengkapnya, lihat Konten Model Penambangan (Analysis Services - Data Mining).
Persyaratan pemrosesan
Persyaratan pemrosesan mungkin berbeda tergantung pada apakah model penambangan Anda hanya menggunakan data relasional atau menggunakan sumber data multidaya.
Untuk sumber data relasional, buat data pelatihan dan jalankan algoritma penambangan pada data tersebut. Model penambangan yang menggunakan objek OLAP, seperti dimensi dan pengukuran, juga memerlukan data yang mendasar yang diproses. Anda mungkin perlu memproses objek multidirmani untuk mengisi model penambangan.
Untuk informasi selengkapnya, lihat Persyaratan dan Pertimbangan Pemrosesan (Penggalian Data).
Lihat Juga
Kueri Penelusuran (Penggalian Data)
Struktur Pertambangan (Analysis Services - Penggalian Data)
Model Penambangan (Analysis Services - Penggalian Data)
Arsitektur Logis (Analysis Services - Penggalian Data)