Yeni bir araştırma yapısı oluşturma
When you build a data mining solution in Microsoft SQL Server Analysis Services, the first step is to create a mining structure by using the Veri madenciliği Sihirbazı (- Analysis Services veri madenciliği) in Business Intelligence Development Studio.Araştırma yapısı, veri madenciliği modelleri yerleşik olarak bulunan verileri etki alanı tanımlar.Tüm veri madenciliği modelleri yapısı üzerinde temel alır.
Araştırma yapıları ya da ilişkisel veya çevrimiçi analitik işlem (olap) veri kaynaklarını kullanın.İlişkisel araştırma yapıları verileri esas alan tablolar, dosyaları veya ilişkisel veritabanı sistemleri içinde saklanan ve, tanımlanmış olarak ve bir veri kaynak görünümü.olap araştırma yapıları bir boyut üzerinde temel alır ve alınan önlemleri ilgili bir OLAP küpü araştırma yapısı aynı veritabanında bulunmaktadır.
Daha fazla bilgi için:Veritabanlarının tasarlanması, Analysis Services çok boyutlu veritabanı nesnelerini tasarlama
Veri madenciliği Sihirbazı otomatik olarak tanımlayan bir araştırma yapısıve ilk araştırma modeli yapısına ekleme izin verir.Birden çok veri madenciliği modelleri bir araştırma yapısı içerdiğinden, kullanabileceğiniz Veri madenciliği Tasarımcısı daha fazla veri madenciliği modelleri için eklemek içinyapısının.
Aşağıdaki bölümlerde veri madenciliği Sihirbazı ile yeni araştırma yapısı oluşturma hakkında daha fazla bilgi ve nasıl küme seçenekleri olacak madenciliği yapısını oluşturmak bir test küme veya veri madenciliği yapısındaki sorguları çalıştırın.
İlişkisel bir araştırma yapısı oluşturma
olap araştırma yapısı oluşturma
Holdout ve Drillthrough etkinleştirme
İlişkisel bir araştırma yapısı oluşturma
Bir ole db veri kaynak kullanılabilir herhangi bir veri madenciliği ilişkisel yapıları temel alabilir.Kaynak veri içinde birden çok tablo içeriyorsa, tabloları sütunlarıyla gereksinim duyduğunuz bir araya getirir bir veri kaynağı görünümü oluşturabilirsiniz.Bir-çok ilişkileri tablolar dahil--Örneğin, analiz--istediğiniz her müşteri için birden fazla satınalma kayıt olması durumunda her iki tablo ekleyebilir ve durum tablo ve iç içe geçmiş tablolar olarak ilişkinin çok tarafından veri olarak bir tablo kullanın.
Daha fazla bilgi için:İç içe tablolar (Analysis Services - veri madenciliği)
Veri madenciliği Sihirbazı yeni bir araştırma modeli yapısını oluşturmak için aşağıdaki adımlarda size yol gösterir:
Bu veri kaynak türü seçerek durum bir ilişkisel veritabanı.
Bildik veya bir araştırma modeli ile bir yapı oluşturmak karar verme.
Seçme modeli için bir algoritma.
Bir veri kaynak seçme.
durum tablo ve, isteğe bağlı olarak, tüm seçme tablolar iç içe geçmiş.
Her biri için türünü seçme sütun; Öngörülebilir, giriş veya anahtar.
Sütun içerik türlerini belirtme.
Belirtilmesi isteğe bağlı gizleme veri küme.
Yapısı üzerinde detaylandırma etkinleştirme; adlandırma ve kaydetme yeni araştırma yapısı ve ilişkili araştırma modeli.
Daha fazla bilgi için:Veri madenciliği algoritmaları (Analysis Services - veri madenciliği), Mining modeli sütunlar, Araştırma yapısı sütunlar, Veri türleri (veri madenciliği), İçerik türleri (veri madenciliği)
olap araştırma yapısı oluşturma
olap küpleri sık sık çok sayıda üyeleri ve veri madenciliği ile nereden başlayacağınızı zor olabilir boyutları içerir.Küpler içeren desenlerini belirlemek için genellikle, ilgi tek bir boyut tanımlamak ve desenler bu boyutla keşfetmeye başlayın.Aşağıdaki tablo , her görev için geçerli olabilir ve her görev için kullanılacak veri madenciliği algoritmayı tanımlar örnek senaryolar açıklanır, birkaç genel olap veri madenciliği görevleri listeler.
Görev |
Örnek senaryo |
Algoritma |
|---|---|---|
Kümeler halinde Grup üyeleri |
Müşteri üye özellikleri, müşterilerin satın ürünler ve müşterilerin harcadıkları paranın miktarını temel müşteri boyut kesiminde. |
Microsoft Algoritma kümeleme |
İlginç veya olağan dışı üyeleri bulmak |
İlginç veya olağan dışı depolarında dayanarak deposu boyut tanımlamak, kar, depolama konumu ve boyutu depolamak. |
Microsoft Karar ağaçlar algoritması |
İlginç veya olağan dışı hücreleri bulma |
Üzerinden karşı tipik eğilimleri gidin deposu satış tanıtmak saat. |
Microsoft Zaman Series algoritması |
Veri madenciliği Sihirbazı yeni bir araştırma modeli yapısını oluşturmak için aşağıdaki işlemi boyunca size yol gösterir:
Bu veri kaynak türü seçerek durum bir küp.
Not
OLAP küp Araştırma yapısı olarak aynı veritabanı içinde bulunması gerekir.Excel için PowerPivot tarafından oluşturulan bir küp kullanamazsınız eklenti veri madenciliği için bir kaynak olarak.
Bir algoritma seçme.
Kaynak Küp boyut seçme.
durum anahtar seçme.
durum sütunları seçme.
Herhangi bir iç içe geçmiş tablolar seçme.
Her sütun için kullanım seçme; Öngörülebilir, giriş veya anahtar.
Sütun içerik türlerini belirtme.
Kaynak Küp dilimleme.
Bir isteğe bağlı test veri küme oluşturma.
Adlandırma ve kaydetme yeni araştırma yapısı ve ilişkili araştırma modeli.
Yapabilirsiniz küme Sihirbazı'nın son sayfasında aşağıdaki seçenekleri:
detaylandırma izin ver
Araştırma modeli Boyut oluştur
Araştırma modeli boyut kullanarak küp oluşturma
Yeni araştırma modeli boyut Kaynak küp oluşturmak seçerseniz, olap veri kaynağındaki veri madenciliği algoritma bulur bilgileri içerebilir.Bir araştırma modeli boyut oluşturarak, göz ve bir boyut biçiminde depolanan modeli içerik sorgu.Bu seçenek kullanılarak oluşturulan modeller için kullanılabilir Microsoft Kümeleme, Microsoft karar ağaçları ve Microsoft ilişkilendirme kuralları algoritma.
Yeni bir küp oluşturmak için bu seçeneği seçerseniz, yeni bir küp, araştırma modeli boyut ve isteğe bağlı olarak ilgili boyutları içeren veritabanı tanımlanır.Bu gerçeği verilerinizi tarafından keşfedildiği hiyerarşisi tarafından dilim sağlar araştırma modeli.
Daha fazla bilgi için:Veri madenciliği algoritmaları (Analysis Services - veri madenciliği), Mining modeli sütunlar, Araştırma yapısı sütunlar, Veri türleri (veri madenciliği), İçerik türleri (veri madenciliği)
Drillthrough ve Holdout etkinleştirme
Araştırma yapısı oluşturma, ayrıca gerekir küme verilerle çalışmak için iki önemli seçenekleri: gizleme ve detaylandırma.Holdout veri bölümleme sağlar araştırma yapısı Eğitim küme ve bu yapı ile ilişkili tüm modelleri ile kullanmak için bir sınama küme.Daha fazla bilgi için bkz: Veri eğitimi ve kümeleri sınama içine bölümleme (Analysis Services - veri madenciliği).
Drillthrough, kaynak verilerde görüntülemek sağlar araştırma yapısı araştırma modeli sorgulamak.Görüntülemekte olduğunuz bu yararlı olacaktır sonuçlar bir araştırma modeli ve alttaki durumlarda ek ayrıntılarını görmek isterseniz.Örneğin, ilgili kişi bilgileri için kullanılan servis taleplerini bulmak isteyebilirsiniz bir eğitmek belirli bir küme ve diğerleri.Araştırma yapısı oluşturduğunuzda detaylandırma kullanmak için onu etkinleştirmeniz gerekir; daha sonra etkinleştiremezsiniz.Daha fazla bilgi için bkz: Drillthrough veri madenciliği modelleri ve araştırma yapıları kullanarak (Analysis Services - veri madenciliği).
Ayrıca bkz.