Структуры интеллектуального анализа данных (службы Analysis Services — интеллектуальный анализ данных)

Применимо к: SQL Server 2019 и более ранних версий Analysis Services Azure Analysis Services Fabric/Power BI Premium

Это важно

Интеллектуальный анализ данных был признан устаревшим в службах SQL Server 2017 Analysis Services и теперь прекращён в службах SQL Server 2022 Analysis Services. Документация не обновляется для устаревших и прекращённых функций. Дополнительные сведения см. в статье о обратной совместимости служб Analysis Services.

Структура интеллектуального анализа данных определяет данные, из которых создаются модели интеллектуального анализа данных: указывает представление исходных данных, число и тип столбцов, а также необязательное разделение на обучающие и тестовые наборы данных. Одна структура интеллектуального анализа данных может поддерживать несколько моделей интеллектуального анализа данных, которые совместно используют один домен. На следующей схеме показана связь структуры интеллектуального анализа данных с источником данных и ее составными моделями интеллектуального анализа данных.

Структура обработки данных на схеме основана на источнике данных, который содержит несколько таблиц или представлений, связанных полем CustomerID. Одна таблица содержит сведения о клиентах, таких как географический регион, возраст, доход и пол, а связанная вложенная таблица содержит несколько строк дополнительных сведений о каждом клиенте, таких как продукты, приобретенные клиентом. На диаграмме показано, что на одной структуре майнинга можно построить несколько моделей и что модели могут использовать различные столбцы из этой структуры.

Модель 1 использует идентификатор клиента, доход, возраст, регион и фильтрует данные по региону.

Модель 2 Использует customerID, доход, возраст, регион и фильтрует данные по возрасту.

Модель 3 Использует CustomerID, Age, Gender и вложенную таблицу без фильтра.

Так как модели используют разные столбцы для ввода, а две модели дополнительно ограничивают данные, используемые в модели, применяя фильтр, модели могут иметь очень разные результаты, даже если они основаны на одних и том же данных. Обратите внимание, что столбец CustomerID требуется во всех моделях, так как он является единственным доступным столбцом, который можно использовать в качестве ключа дела.

В этом разделе объясняется базовая архитектура структур интеллектуального анализа данных: определение структуры интеллектуального анализа данных, его заполнение данными и его использование для создания моделей. Дополнительные сведения об управлении или экспорте существующих структур интеллектуального анализа данных см. в разделе "Управление решениями и объектами интеллектуального анализа данных".

Определение структуры майнинга

Настройка структуры интеллектуального анализа данных включает следующие действия.

• Определение источника данных.

• Выберите столбцы данных для включения в структуру (не все столбцы должны быть добавлены в модель) и определение ключа.

• Определите ключ для структуры, включая ключ для лучшей таблицы, если это применимо.

• Укажите, следует ли разделить исходные данные на набор обучения и набор тестирования. Этот шаг является необязательным.

• Обработайте структуру.

Данные шаги подробно описываются в следующих разделах.

Источники данных для структур интеллектуального анализа данных

При определении структуры анализа данных используются столбцы, доступные в существующем представлении источника данных. Представление источника данных — это общий объект, который позволяет объединять несколько источников данных и использовать их в качестве одного источника. Исходные источники данных не видны клиентским приложениям, и вы можете использовать свойства представления источника данных для изменения типов данных, создания агрегатов или столбцов псевдонимов.

Если вы создаете несколько моделей интеллектуального анализа данных из одной структуры интеллектуального анализа данных, модели могут использовать разные столбцы из структуры. Например, можно создать одну структуру, а затем создать отдельные модели дерева принятия решений и кластеризации из нее, используя разные столбцы и прогнозируя различные атрибуты.

Кроме того, каждая модель может использовать столбцы из структуры разными способами. Например, представление источника данных может содержать столбец "Доход", который можно использовать различными способами для различных моделей.

Структура интеллектуального анализа данных сохраняет определение источника данных и столбцы в нем в виде привязок к исходным данным. Дополнительные сведения о привязках источников данных см. в разделе "Источники данных и привязки (многомерные службы SSAS)". Однако обратите внимание, что можно также создать структуру интеллектуального анализа данных без привязки ее к определенному источнику данных с помощью инструкции DMX CREATE MINING STRUCTURE (DMX).

Столбцы структуры добычи данных

Элементы структуры добычи данных — это столбцы, которые описывают данные, содержащиеся в источнике данных. Эти столбцы содержат такие сведения, как тип данных, тип контента и распределение данных. Структура интеллектуального анализа данных не содержит сведений о том, как столбцы используются для определенной модели интеллектуального анализа данных или о типе алгоритма, используемого для создания модели; эта информация определяется в самой модели интеллектуального анализа данных.

Структура данных в горнодобывающей отрасли также может содержать вложенные таблицы. Вложенная таблица представляет связь "один ко многим" между сущностью случая и его связанными атрибутами. Например, если сведения, описывающие клиента, находятся в одной таблице, а покупки клиента находятся в другой таблице, можно использовать вложенные таблицы для объединения сведений в один случай. Идентификатор клиента — это сущность, а покупки — это связанные атрибуты. Дополнительные сведения о том, когда использовать вложенные таблицы, см. в разделе Вложенные таблицы (Analysis Services - Интеллектуальный анализ данных).

Чтобы создать модель интеллектуального анализа данных в SQL Server Data Tools, необходимо сначала создать структуру интеллектуального анализа данных. Мастер дата майнинга помогает пройти через процесс создания структуры, выбора данных и добавления модели для дата майнинга.

При создании модели интеллектуального анализа данных с помощью расширений интеллектуального анализа данных (DMX) можно указать модель и столбцы в ней, а dmX автоматически создаст необходимую структуру интеллектуального анализа данных. Дополнительные сведения см. в разделе CREATE MINING MODEL (DMX).

Дополнительные сведения см. в разделе "Столбцы структуры интеллектуального анализа данных".

Разделение данных на наборы обучения и тестирования

При определении данных для структуры анализа, можно указать использование части данных как для обучения, так и для тестирования. Поэтому больше не нужно отделять данные перед созданием структуры интеллектуального анализа данных. Вместо этого, при создании модели, можно указать, что определенный процент данных будет оставлен для тестирования, а остальные будут использоваться для обучения, или можно указать определенное количество случаев, которые следует использовать в качестве тестового набора данных. Сведения о наборах данных для обучения и тестирования кэшируются в структуре майнинга данных, и в результате один и тот же тестовый набор данных можно использовать со всеми моделями, основанными на этой структуре.

Дополнительные сведения см. в разделе "Обучение и тестирование наборов данных".

Включение детализации

Столбцы можно добавить в структуру интеллектуального анализа данных, даже если вы не планируете использовать столбец в определенной модели интеллектуального анализа данных. Это полезно, если, например, вы хотите получить адреса электронной почты клиентов в модели кластеризации без использования адреса электронной почты во время процесса анализа. Чтобы игнорировать столбец во время этапа анализа и прогнозирования, добавьте его в структуру, но не указываете использование для столбца или установите флаг использования в значение "Игнорировать". Данные, помеченные таким образом, можно по-прежнему использовать в запросах, если детализация включена в модели интеллектуального анализа данных и если у вас есть соответствующие разрешения. Например, можно просмотреть кластеры, полученные из анализа всех клиентов, а затем использовать запрос детализации для получения имен и адресов электронной почты клиентов в определенном кластере, даже если эти столбцы данных не использовались для сборки модели.

Дополнительные сведения см. в разделе "Запросы детализации" (интеллектуальный анализ данных).

Обработка структур интеллектуального анализа данных

Структура интеллектуального анализа данных — это только контейнер метаданных, пока он не будет обработан. При обработке структуры интеллектуального анализа данных SQL Server Analysis Services создает кэш, в который хранятся статистические данные, сведения о том, как дискретизированы любые непрерывные атрибуты и другие сведения, которые позже используются моделями интеллектуального анализа данных. Модель интеллектуального анализа данных сама по себе не хранит эти сводные данные, а вместо этого ссылается на сведения, которые были кэшированы при обработке структуры интеллектуального анализа данных. Поэтому не нужно повторно обрабатывать структуру при каждом добавлении новой модели в существующую структуру; можно обработать только модель.

Вы можете отказаться от этого кэша после обработки, если кэш очень велик или вы хотите удалить подробные данные. Если вы не хотите, чтобы данные кэшировались, необходимо изменить свойство CacheMode структуры интеллектуального анализа данных на ClearAfterProcessing. Это приведет к уничтожению кэша после обработки любых моделей. Установка свойства CacheMode в значение ClearAfterProcessing отключает переход по слоям из модели интеллектуального анализа.

Однако после уничтожения кэша вы не сможете добавлять новые модели в структуру интеллектуального анализа данных. При добавлении новой модели интеллектуального анализа данных в структуру или изменении свойств существующих моделей сначала потребуется повторно обработать структуру интеллектуального анализа данных. Дополнительные сведения см. в разделе "Требования к обработке и рекомендации" (интеллектуальный анализ данных).

Просмотр структур майнинга

Вы не можете использовать просмотрщики для просмотра данных в структуре интеллектуального анализа данных. Однако в SQL Server Data Tools можно использовать вкладку "Структура интеллектуального анализа данных" конструктора интеллектуального анализа данных для просмотра столбцов структуры и их определений. Дополнительные сведения см. в конструкторе интеллектуального анализа данных.

Если вы хотите просмотреть данные в структуре интеллектуального анализа данных, вы можете создавать запросы, используя Расширения для интеллектуального анализа данных (DMX). Например, инструкция SELECT * FROM <structure>.CASES возвращает все данные в структуре анализа данных. Для получения этих сведений структура майнинга должна быть обработана, а результаты обработки должны быть закэшированы.

SELECT * FROM <model>.CASES Оператор возвращает те же столбцы, но только для случаев, относящихся к этой конкретной модели. Дополнительные сведения см. в SELECT FROM <structure>.CASES и SELECT FROM <model>.CASES (DMX).

Использование моделей интеллектуального анализа данных со структурами данных.

Модель интеллектуального анализа данных применяет алгоритм модели интеллектуального анализа данных к данным, представленным структурой интеллектуального анализа данных. Модель интеллектуального анализа данных — это объект, принадлежащий определенной структуре интеллектуального анализа данных, и модель наследует все значения свойств, определенных структурой интеллектуального анализа данных. Модель может использовать все столбцы, которые содержит структура интеллектуального анализа данных, или подмножество столбцов. В структуру можно добавить несколько копий столбца структуры. Вы также можете добавить несколько копий столбца структуры в модель, а затем назначить разные имена или псевдонимы для каждого столбца структуры в модели. Дополнительные сведения о столбцах структуры с псевдонимом см. в статье "Создание псевдонима для столбца модели " и в статье "Свойства модели интеллектуального анализа данных".

Дополнительные сведения об архитектуре моделей интеллектуального анализа данных см. в разделе Модели интеллектуального анализа данных (службы Analysis Services — интеллектуальный анализ данных).

Связанные задачи

Используйте ссылки, предоставленные ей, чтобы узнать больше о том, как определить, управлять и использовать структуры интеллектуального анализа данных.

Tasks	Links
Работа с реляционными структурами анализа данных	Создание структуры реляционного интеллектуального анализа данных Добавление вложенной таблицы в структуру интеллектуального анализа данных
Работа со структурами анализа данных на основе кубов OLAP	Создание новой структуры интеллектуального анализа данных OLAP
Работа со столбцами в структуре майнинга	Добавление столбцов в структуру интеллектуального анализа данных Удаление столбцов из структуры интеллектуального анализа данных
Изменение или извлечение свойств структуры интеллектуального анализа и данных	Изменение свойств структуры интеллектуального анализа данных
Работа с базовыми источниками данных и обновлением исходных данных	Изменение представления источника данных, используемого для структуры интеллектуального анализа данных Обработка структуры интеллектуального анализа данных

См. также

Объекты базы данных (службы анализа — многомерные данные)
Модели анализа данных (службы Analysis Services - интеллектуальный анализ данных)