Distribuzioni (DMX)
In Microsoft SQL Server 2005 Analysis Services (SSAS) è possibile definire il contenuto delle colonne di una struttura di data mining per determinare la modalità con cui gli algoritmi elaborano i dati di tali colonne durante la creazione dei modelli di data mining. Per alcuni algoritmi è utile definire la distribuzione dei dati nelle colonne continue prima di elaborare il modello, se è noto che tali colonne contengono valori con distribuzioni comuni. Se non si definiscono le distribuzioni, i modelli di data mining risultanti possono produrre stime meno accurate, perché gli algoritmi dispongono di meno informazioni per l'interpretazione dei dati.
Gli algoritmi di data mining Microsoft supportano i tipi di distribuzioni seguenti:
NORMAL
I valori della colonna continua formano un istogramma con una distribuzione di Gauss normale.
Log Normal
I valori della colonna continua formano un istogramma in cui i logaritmi dei valori seguono una distribuzione normale.
UNIFORM
I valori della colonna continua formano una curva uniforme, in cui tutti i valori hanno la stessa probabilità.
Per ulteriori informazioni sugli algoritmi di data mining Microsoft, vedere Algoritmi di data mining. I provider di algoritmi di terze parti possono supportare ulteriori tipi di distribuzioni. Per determinare i tipi di distribuzioni supportati da un algoritmo, utilizzare il set di righe dello schema SUPPORTED_DISTRIBUTION_FLAGS.
Per ulteriori informazioni sui tipi di distribuzioni, vedere Distribuzioni delle colonne.
Vedere anche
Riferimento
Guida di riferimento a DMX (Data Mining Extensions)
Elementi della sintassi DMX (Data Mining Extensions)
Guida di riferimento alle funzioni DMX (Data Mining Extensions)
Guida di riferimento agli operatori DMX (Data Mining Extensions)
Guida di riferimento alle istruzioni DMX (Data Mining Extensions)
Convenzioni della sintassi DMX (Data Mining Extensions)
Mapping di funzioni a tipi di query (DMX)
Query di stima (DMX)
Informazioni sull'istruzione Select (DMX)
Altre risorse
Tipi di contenuto del data mining