Elaborazione di oggetti di data mining

Un oggetto di data mining è solo un contenitore vuoto fino a quando non viene elaborato. L'elaborazione di un modello di data mining è chiamata anche addestramento.

Elaborazione di strutture di data mining: Una struttura di data mining ottiene i dati da un'origine dati esterna, come definito dalle associazioni di colonna e dai metadati di utilizzo e legge i dati. Questi dati vengono letti in modo completo e quindi analizzati per estrarre varie statistiche. Analysis Services archivia una rappresentazione compatta dei dati, adatta per l'analisi tramite algoritmi di data mining, in una cache locale. È possibile mantenere questa cache o eliminarla dopo l'elaborazione dei modelli. Per impostazione predefinita, la cache viene archiviata. Per altre informazioni, vedere Elaborare una struttura di data mining.

Elaborazione di modelli di data mining: Un modello di data mining è vuoto, contenente solo le definizioni, fino a quando non viene elaborato. Per elaborare un modello di data mining, la struttura di data mining su cui si basa deve essere stata elaborata. Il modello di data mining ottiene i dati dalla cache della struttura di data mining, applica eventuali filtri che potrebbero essere stati creati sul modello e quindi passa il set di dati tramite l'algoritmo per rilevare i modelli. Dopo l'elaborazione del modello, il modello archivia solo i risultati dell'elaborazione, non i dati stessi. Per altre informazioni, vedere Elaborare un modello di mining.

Il diagramma seguente illustra il flusso di dati quando viene elaborata una struttura di data mining e quando viene elaborato un modello di data mining.

Visualizzazione dei risultati dell'elaborazione

Dopo l'elaborazione di una struttura di data mining, contiene una rappresentazione compatta dei dati da utilizzare nell'analisi statistica. Se la cache non è stata cancellata, è possibile accedere ai dati in questa cache nei modi seguenti:

• Creazione di una query DMX (Data Mining Extensions) sul modello ed eseguire il drill-through alla struttura. Per ulteriori informazioni, vedere SELECT FROM <model>.CASES (DMX).

• Esplorare un modello basato sulla struttura e utilizzare una delle opzioni nell'interfaccia utente per eseguire il drill-through sui casi della struttura. Per ulteriori informazioni, vedere Visualizzatori del modello di data mining o Esamina i dati di un caso da un modello di data mining.

• Creazione di una query DMX sui casi di struttura. Per ulteriori informazioni, vedere SELECT FROM <structure>.CASES.

Dopo l'elaborazione di un modello di data mining, contiene solo i modelli derivati dall'analisi e i mapping dai risultati del modello ai dati di training memorizzati nella cache. È possibile esplorare o eseguire query sui risultati del modello, denominati contenuto del modello oppure eseguire query sui case del modello e della struttura, se sono stati memorizzati nella cache.

Il contenuto del modello per ogni modello di data mining dipende dall'algoritmo usato per crearlo. Ad esempio, se un modello è un modello di clustering e un altro è un modello di albero delle decisioni, il contenuto del modello è molto diverso anche se i modelli usano esattamente gli stessi dati. Per ulteriori informazioni, vedere Contenuto del modello di mining (Analysis Services - Data Mining).

Requisiti di elaborazione

I requisiti di elaborazione possono variare a seconda che i modelli di data mining siano basati esclusivamente sui dati relazionali o sull'origine dati multidimensionale.

Per l'origine dati relazionale, l'elaborazione richiede solo di creare dati di training ed eseguire algoritmi di data mining su tali dati. Tuttavia, i modelli di data mining basati su oggetti OLAP, ad esempio dimensioni e misure, richiedono che i dati sottostanti siano in uno stato elaborato. Ciò può richiedere che gli oggetti multidimensionali vengano elaborati per popolare il modello di data mining.

Per altre informazioni, vedere Requisiti e considerazioni sull'elaborazione (data mining).

Vedere anche

Query drillthrough (Data Mining)
Strutture di estrazione dati (Analysis Services - Estrazione dati)
Modelli di Mining (Analysis Services - Data Mining)
Architettura logica (Analysis Services - Data mining)