Elaborazione di oggetti di data mining

Si applica a: SQL Server 2019 e versioni precedenti di Analysis Services Azure Analysis Services Fabric/Power BI Premium

Importante

Il data mining è stato deprecato in SQL Server 2017 Analysis Services e ora è stato interrotto in SQL Server 2022 Analysis Services. La documentazione non viene aggiornata per le funzionalità deprecate e non più disponibili. Per altre informazioni, vedere Compatibilità con le versioni precedenti di Analysis Services.

Un oggetto di data mining è soltanto un contenitore vuoto finché non viene elaborato. L'elaborazione di un modello di data mining viene anche definita training.

Elaborazione di strutture di data mining: una struttura di data mining ottiene i dati da un'origine dati esterna, secondo quanto definito dalle associazioni delle colonne e dai metadati di utilizzo, dopodiché li legge. Questi dati vengono letti completamente e successivamente analizzati per estrarre diverse statistiche. In Analysis Services una rappresentazione compressa dei dati, ideale per l'analisi basata sugli algoritmi di data mining, viene archiviata in una cache locale. È possibile conservare questa cache oppure 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 contiene solo definizioni finché non viene elaborato. Per elaborare un modello di data mining, è necessario elaborare la struttura di data mining sulla quale è basato. Il modello di data mining ottiene i dati dalla cache della struttura di data mining, applica i filtri eventualmente creati sul modello, dopodiché passa il set di dati attraverso l'algoritmo per rilevare gli schemi. Al termine dell'elaborazione, il modello archivia solo i risultati dell'elaborazione, non i dati stessi. Per altre informazioni, vedere Elaborare un modello di data mining.

Nel diagramma seguente viene illustrato il flusso di dati al momento dell'elaborazione di una struttura di data mining e al momento dell'elaborazione di un modello di data mining.

Visualizzazione dei risultati dell'elaborazione

Dopo essere stata elaborata, una struttura di data mining contiene una rappresentazione compressa dei dati per l'utilizzo nell'analisi statistica. Se la cache non è stata cancellata, è possibile accedere ai dati in essa contenuti nelle modalità seguenti:

• Creazione di una query DMX (Data Mining Extensions) sul modello ed esecuzione del drill-through nella struttura. Per altre informazioni, vedere SELECT FROM model.For more information, see SELECT FROM <model>. CASE (DMX).

• Esplorazione di un modello basato sulla struttura e utilizzo di una delle opzioni nell'interfaccia utente per eseguire il drill-through nei case della struttura. Per altre informazioni, vedere Visualizzatori modello di data miningo Eseguire il drill-through sui dati del case da un modello di data mining.

• Creazione di una query DMX nei case della struttura. Per altre informazioni, vedere Struttura SELECT FROM<>. CASI.

Dopo essere stato elaborato, un modello di data mining contiene solo gli schemi derivati dall'analisi e i mapping dei risultati del modello ai dati di training memorizzati nella cache. È possibile esplorare o eseguire una query sui risultati del modello, definiti contenuto del modello, oppure è possibile eseguire una query sui case del modello e della struttura, purché siano stati memorizzati nella cache.

Il contenuto di ciascun modello di data mining dipende dall'algoritmo utilizzato per creare il modello stesso. 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 utilizzano esattamente gli stessi dati. Per altre informazioni, vedere Contenuto del modello di data mining (Analysis Services - Data mining).

Requisiti per l'elaborazione

È possibile che i requisiti per l'elaborazione siano diversi a seconda che i modelli di data mining siano basati solamente su dati relazionali o su un'origine dati multidimensionale.

Per l'origine dati relazionale, l'elaborazione richiede unicamente la creazione di dati di training e l'esecuzione degli 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 elaborati. Ciò può richiedere l'elaborazione degli oggetti multidimensionali per la popolazione del modello di data mining.

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

Vedere anche

Query drill-through (Data mining)
Strutture di data mining (Analysis Services – Data mining)
Modelli di data mining (Analysis Services - Data mining)
Architettura logica (Analysis Services – Data mining)