Tipos de conteúdo (mineração de dados)
No Microsoft SQL Server Analysis Services, você pode definir o tipo de dados físico para uma coluna em uma estrutura de mineração e um tipo de conteúdo lógico que defina como a coluna será usada em um modelo.
O tipo de dados determina como os algoritmos processarão os dados nessas colunas quando você criar modelos de mineração. A definição do tipo de dados de uma coluna dá ao algoritmo informações sobre o tipo de dados nas colunas e como processar os dados. Cada tipo de dados no Analysis Services oferece suporte a um ou mais tipos de conteúdo de mineração de dados.
O tipo de conteúdo descreve o comportamento dos valores contidos na coluna. Por exemplo, se os valores de dados em uma coluna tenderem para a repetição em um intervalo específico, como dias da semana, você poderá especificar o tipo de conteúdo dessa coluna como cíclico.
Alguns algoritmos exigem tipos de dados e/ou de conteúdo específicos para que funcionem corretamente. Por exemplo, o algoritmo Microsoft Naive Bayes não pode usar colunas contínuas como entrada, nem prever valores contínuos. Portanto, essas colunas devem ser excluídas do modelo ou ser discretizadas. Alguns tipos de conteúdo, como Key Sequence, são usados apenas por um algoritmo específico. Para obter uma lista dos algoritmos e tipos de conteúdo que cada um aceita, consulte Algoritmos de mineração de dados (Analysis Services – Mineração de Dados).
A lista a seguir descreve os tipos de conteúdo usados na mineração de dados e lista os tipos de dados que oferecem suporte a cada tipo.
Discreto
Discreto significa que a coluna contém um número finito de valores sem continuidade entre eles. Por exemplo, uma coluna Gênero é uma coluna de atributo discreto típica, pois os dados representam um número específico de categorias. Se a coluna contiver texto, o tipo será definido automaticamente como discrete. No entanto, se a coluna contiver valores discretos com rótulos numéricos (por exemplo, em uma coluna Gênero, Masculino pode ser rotulado como 0 e Feminino pode ser rotulado como 1), talvez seja necessário alterar o tipo de conteúdo de contínuo para discreto.
Mesmo se os valores usados na coluna discreta forem numéricos, não será possível calcular valores fracionários. Os códigos de área de telefone são um bom exemplo de dados discretos numéricos, mas eles não devem ser usados para cálculos. Além disso, os valores em uma coluna de atributo discreto não podem envolver ordenação, mesmo que os valores sejam numéricos.
O tipo de conteúdo Discrete pode ser aplicado às colunas de todos os tipos de dados de mineração de dados.
Contínuo
Contínuo significa que a coluna contém valores que representam dados numéricos em uma escala que permite valores provisórios. Diferente da coluna discreta, que representa dados contáveis finitos, uma coluna contínua representa medições escaláveis e é possível que os dados contenham um número infinito de valores fracionários. Uma coluna de temperaturas é um exemplo de uma coluna do atributo contínuo.
Quando uma coluna contém dados numéricos contínuos, e você sabe como os dados devem ser distribuídos, é possível melhorar a precisão da análise especificando a distribuição esperada de valores. Especifique a distribuição de coluna no nível da estrutura de mineração. Portanto, a configuração se aplica a todos os modelos baseados na estrutura. Para obter mais informações, consulte Distribuições de colunas (mineração de dados).
O tipo de conteúdo Continuous pode ser aplicado às colunas que têm os seguintes tipos de dados: Date, Double e Long.
Discretizado
Discretização é o processo que coloca valores de um conjunto contínuo de dados em buckets de modo a ter um número limitado de valores possíveis. É possível discretizar apenas dados numéricos.
Assim, o tipo de conteúdo discretized indica que a coluna contém valores que representam grupos ou recipientes de valores que são derivados de uma coluna contínua. Os blocos são tratados como valores ordenados e discretos.
Você pode discretizar os dados manualmente para garantir que terá os recipientes desejados ou pode usar os métodos de discretização fornecidos pelo SQL Server Analysis Services. Alguns algoritmos executam a discretização automaticamente. Para obter mais informações, consulte Alterar a diferenciação de uma coluna em um modelo de mineração.
O Discretized pode ser aplicado às colunas que têm os seguintes tipos de dados: Date, Double, Long e Text.
Chave
O tipo de conteúdo key significa que a coluna identifica uma linha exclusivamente. Normalmente, em uma tabela de casos, a coluna de chave é um identificador numérico ou de texto. Ao definir o tipo de conteúdo como key, você está indicando que a coluna não deve ser usada para análise, mas somente para registros de controle.
Tabelas aninhadas também têm chaves, mas o uso da chave de tabela aninhada é um pouco diferente. Defina o tipo de conteúdo como key na tabela aninha se a coluna for o atributo que você deseja analisar. Os valores da chave da tabela aninhada devem ser exclusivos para cada caso, mas podem ser duplicados em todo um conjunto de casos.
Por exemplo, se você estiver analisando os produtos que os clientes compraram, poderá definir o tipo de conteúdo como key na coluna CustomerID da tabela de casos e como key novamente na coluna PurchasedProducts da tabela aninhada.
.gif "Observação") Observação |
|---|
As tabelas aninhadas estarão disponíveis somente se você usar dados de uma fonte de dados externa definida em uma exibição de fonte de dados do Analysis Services. |
Esse tipo de conteúdo é suportado pelos seguintes tipos de dados: Date, Double, Long e Text.
Key Sequence
O tipo de conteúdo key sequence somente pode ser usado em modelos de clustering de sequência. Quando você define o tipo de conteúdo como key sequence, ele indica que a coluna contém valores que representam uma sequência de eventos. Os valores são ordenados, mas a distância entre eles não precisa ser igual.
Esse tipo de conteúdo é suportado pelos seguintes tipos de dados: Double, Long, Text e Date.
Key Time
O tipo de conteúdo key time somente pode ser usado em modelos de série temporal. Quando você define o tipo de conteúdo como key time, isso indica que os valores são ordenados e representam uma escala de tempo.
Esse tipo de conteúdo pode ser aplicado às colunas que têm os seguintes tipos de dados: Double, Long e Date.
Tabela
O tipo de conteúdo table indica que a coluna contém outra tabela de dados, com uma ou mais colunas e uma ou mais linhas. Para uma linha específica da tabela de casos, essa coluna pode conter diversos valores, todos relacionados ao registro de casos pai. Por exemplo, se a tabela de casos principal contiver uma lista de clientes, você poderá ter várias colunas contendo tabelas aninhadas, como uma coluna ProductsPurchased, onde a tabela aninhada lista os produtos comprados por esse cliente no passado, e a coluna Hobbies que lista os interesses do cliente.
O tipo de dados dessa coluna é sempre Table.
Cyclical
O tipo de conteúdo cyclical significa que a coluna contém valores que representam um conjunto ordenado cíclico. Por exemplo, os dias numerados da semana são um conjunto cíclico ordenado, pois o dia de número um segue o dia de número sete.
As colunas cíclicas são consideradas tanto ordenadas como discretas em termos de tipo de conteúdo.
Este tipo de conteúdo pode ser aplicado às colunas de qualquer tipo de dados do Analysis Services, exceto table e Boolean. Entretanto, a maioria dos algoritmos trata os valores cíclicos como valores discretos e não executam um processamento especial.
Ordered
O tipo de conteúdo Ordered também indica que a coluna contém valores que definem uma sequência ou ordem. No entanto, nesse tipo de conteúdo, os valores usados na ordenação não implicam nenhuma relação de distância ou magnitude entre os valores do conjunto. Por exemplo, se a coluna de atributo ordenada contiver informações sobre os níveis de habilidades em ordem de classificação de um a cinco, não há informações insinuadas na distância entre os níveis de habilidades, um nível de habilidades de cinco não é necessariamente cinco vezes melhor que um nível de habilidades de nível um.
As colunas de atributo ordenadas devem conter valores discretos.
Esse tipo de conteúdo pode ser aplicado a todos os tipos de dados de mineração de dados no Analysis Services. Entretanto, a maioria dos algoritmos trata os valores ordenados como valores discretos e não executam um processamento especial.
Classificados
Além dos tipos de conteúdo anteriores, usados normalmente com todos os modelos, você pode usar colunas classificadas para definir os tipos de conteúdo para alguns tipos de dados. Para obter mais informações sobre as colunas classificadas, consulte Colunas classificadas [mineração de dados].
Consulte também
Tarefas
Alterar as propriedades de uma estrutura de mineração