适用于：
SQL Server 2019 及更早版本的 Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
重要
SQL Server 2017 Analysis Services 中弃用了数据挖掘，现已在 SQL Server 2022 Analysis Services 中停止使用。 文档不会更新为已弃用和已停用的功能。 若要了解详细信息，请参阅 Analysis Services 向后兼容性。
Microsoft SQL Server SQL Server Analysis Services 提供了可用于创建数据挖掘解决方案的以下工具：
使用 SQL Server Data Tools 中的数据 挖掘向导 ，可以轻松地使用关系数据源或多维数据集中的数据创建挖掘结构和挖掘模型。
在向导中，选择要使用的数据，然后应用特定的数据挖掘技术，例如聚类分析、神经网络或时序建模。
模型查看器 在 SQL Server Management Studio 和 SQL Server Data Tools 中提供，用于在创建挖掘模型后浏览挖掘模型。 可以使用针对每个算法定制的查看器浏览模型，或使用模型内容查看器更深入地分析模型。
预测查询生成器在 SQL Server Management Studio 和 SQL Server Data Tools 中都提供，可帮助你创建预测查询。 还可以针对维持数据集或外部数据测试模型的准确性，或使用交叉验证来评估数据集的质量。
SQL Server Management Studio 是用于管理已部署到 SQL Server Analysis Services 实例的现有数据挖掘解决方案的接口。 可以重新处理结构和模型以更新其中的数据。
SQL Server Integration Services 包含可用于清理数据、自动执行诸如创建预测和更新模型等任务以及创建文本挖掘解决方案的工具。
以下部分提供有关 SQL Server 中的数据挖掘工具的详细信息。
数据挖掘向导
使用数据挖掘向导开始创建数据挖掘解决方案。 该向导快速而轻松，指导你完成创建数据挖掘结构和初始相关挖掘模型的过程，包括选择算法类型和数据源以及定义用于分析的事例数据的任务。
有关详细信息：数据挖掘向导（Analysis Services - 数据挖掘）
数据挖掘设计器
使用数据挖掘向导创建挖掘结构和挖掘模型后，可以使用 SQL Server Data Tools 或 SQL Server Management Studio 中的数据挖掘设计器来处理现有模型和结构。
设计器包括用于这些任务的工具：
修改挖掘结构的属性，添加列并创建列别名，更改装箱方法或值的预期分布。
将新模型添加到现有结构;复制模型、更改模型属性或元数据，或定义挖掘模型的筛选器。
浏览模型中的模式和规则;浏览关联或决策树。 获取有关的详细统计信息
为模型的每个不同时间提供自定义查看器，以帮助你分析数据并浏览数据挖掘所揭示的模式。
通过创建提升图或分析模型的利润曲线来验证模型。 使用分类矩阵比较模型，或使用交叉验证来验证数据集及其模型。
针对现有挖掘模型创建预测和内容查询。 生成一次性查询，或设置查询，以便为整个外部数据表生成预测。
SQL Server Management Studio
创建挖掘模型并将其部署到服务器后，可以使用 SQL Server Management Studio 来管理托管数据挖掘对象的 SQL Server Analysis Services 数据库。 还可以继续执行使用模型的任务，例如浏览模型、处理新数据以及创建预测。
Management Studio 还包含可用于设计和执行数据挖掘扩展插件（DMX）查询的查询编辑器，或使用 XMLA 处理数据挖掘对象。
Integration Services 数据挖掘任务和转换
SQL Server Integration Services 提供了许多支持数据挖掘的组件。
Integration Services 中的一些工具旨在帮助自动执行常见数据挖掘任务，包括预测、模型生成和处理。 例如：
创建一个 Integration Services 包，每次使用新客户更新数据集时自动更新模型
执行事例记录的自定义分段或自定义采样。
自动基于参数生成模型。
但是，还可以在包工作流中使用数据挖掘作为其他进程的输入。 例如：
使用模型生成的概率值来为文本挖掘或其他分类任务加权分数。
根据以前的数据自动生成预测，并使用这些值来评估新数据的有效性。
使用逻辑回归按风险细分传入客户。
有关详细信息：关于数据挖掘解决方案的相关项目