创建关系挖掘结构

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。 对于已弃用和停止使用的功能,文档不会更新。 若要了解详细信息,请参阅 Analysis Services 向后兼容性。

大多数数据挖掘模型都基于关系数据源。 创建关系数据挖掘模型时,可以组合即席数据并训练和更新模型,而无需创建多维数据集的复杂性。

关系挖掘结构可以从不同的源中提取数据。 只要可以将数据定义为数据源视图的一部分,就可以将原始数据存储在表、文件或关系数据库系统中。 例如,如果数据位于Excel、SQL Server数据仓库或SQL Server报告数据库,或者通过 OLE DB 或 ODBC 提供程序访问的外部源中,则可以使用关系挖掘结构。

本文概述了如何使用数据挖掘向导创建关系挖掘结构。

要求

  • 必须具有现有的数据源。 如果没有数据源,请使用数据源设计器设置数据源。 有关详细信息,请参阅创建数据源(SSAS 多维)。

  • 使用数据源视图向导将所需数据组合到单个数据源视图中。 有关如何使用数据源视图选择、转换、筛选或管理数据的详细信息,请参阅 多维模型中的数据源视图。

流程概述

通过右键单击解决方案资源管理器中的“挖掘结构”节点并选择“添加新挖掘结构”来启动数据挖掘向导。 该向导将指导你完成以下步骤,为新的关系挖掘模型创建结构:

  1. 选择定义方法:选择数据源类型,然后选择 “从关系数据库或数据仓库”。

  2. 创建数据挖掘结构:确定是只生成结构还是使用挖掘模型构建结构。

    此外,请为初始模型选择适当的算法。 有关哪种算法最适合某些任务的指南,请参阅数据挖掘算法(Analysis Services - 数据挖掘)。

  3. 选择数据源视图:选择要用于训练模型的数据源视图。 数据源视图还可以包含用于测试或无关数据的数据。 可以选择在结构和模型中实际使用的数据。 还可以稍后对数据应用筛选器。

  4. 指定表类型:选择包含用于分析的事例的表。 对于某些数据集,尤其是用于构建购物篮模型的数据集,还可以包含一个可用作嵌套表的相关表。

    对于每个表,请指定键,以便算法知道如何在添加嵌套表时标识唯一记录和相关记录。

    有关详细信息,请参阅 挖掘结构列。

  5. 指定训练数据:选择 事例表,该表是包含最重要的分析数据的表。

    对于某些数据集,尤其是用于市场篮模型的那些,你还可以包含相关表。 该嵌套表中的值会被作为多个值处理,并且这些值都与主表中的同一行或个案相关。

  6. 指定列内容和数据类型:对于结构中使用的每一列,请选择 数据类型 和 内容类型。

    向导会自动检测可能的数据类型,但无需使用建议的数据类型。 例如,如果数据包含数字,它们可能表示分类数据。 指定为键的列会自动为该特定模型类型分配正确的数据类型。 有关详细信息,请参阅挖掘模型列和数据类型(数据挖掘)。

    为模型中使用的每一列选择 的内容类型 告知算法如何处理数据。

    例如,你可能决定离散化数字,而不是使用连续值。 还可以要求算法自动检测列的最佳内容类型。 有关详细信息,请参阅内容类型(数据挖掘)。

  7. 创建测试集:指定要在测试模型中使用的数据量。 如果数据支持多个模型,最好创建保留数据集,以便所有模型都可以在同一数据上进行测试。

    有关详细信息,请参阅测试和验证(数据挖掘)。

  8. 完成向导:命名新的挖掘结构和关联的挖掘模型,并保存结构和模型。

    还可以根据模型类型设置一些重要选项。 例如,你可以在结构上启用钻取。

    此时,挖掘结构及其模型只是元数据。 您需要同时处理二者才能得到结果。

如何选择关系数据

可以将关系挖掘结构基于通过 OLE DB 数据源提供的任何数据。 如果源数据位于多个表中,请使用数据源视图将所需的表和列组合到一个位置。

如果表包含任意一对多关系,例如,要分析每个客户的多个购买记录,请添加这两个表。 然后,使用一个表作为事例表,并将关系多端的数据链接为嵌套表。

挖掘结构中的数据来自现有数据源视图。 可以根据需要在数据源视图中修改数据,添加可能不存在于基础关系数据中的关系或派生列。 还可以在数据源视图中创建命名计算或聚合。 如果无法控制数据源中的数据排列,或者想要试验模型的不同数据聚合,这些功能会很方便。

无需使用所有可用数据。 挑选要包含在挖掘结构中的列。 基于该结构的所有模型都可以使用这些列,也可以将某些列标记为 “忽略 ”作为特定模型。 可以让数据挖掘模型用户从挖掘模型的结果向下钻取,以查看挖掘模型本身中不包含的挖掘结构列。

如何指定内容类型和数据类型

数据类型类似于在SQL Server或其他应用程序接口中指定的数据类型:日期和时间、不同大小的数字、布尔值、文本和其他离散数据。

内容类型对于数据挖掘非常重要,会影响分析结果。 内容类型告知算法如何使用数据。 例如,它应该将连续刻度上的数字视为连续,还是将它们分箱? 存在多少个潜在值,每个值是否不同? 如果值为键,则键是否指示日期/时间值、序列或某种其他类型的键?

数据类型的选择可以限制你选择的内容类型。 例如,不能离散化非数值。 如果未看到所需的内容类型,请选择 “返回 ”以返回到数据类型页并尝试其他数据类型。

不用太担心内容类型是否选对。 只要挖掘结构中的数据类型集支持新内容类型,就可以轻松地创建新模型并更改模型中的内容类型。 使用不同内容类型创建多个模型也是常见的,无论是作为试验,还是满足不同算法的要求。

例如,如果数据包含收入列,则可以在使用Microsoft决策树算法时创建两个不同的模型,并将该列配置为连续数或离散范围。 但是,如果使用 Microsoft Naïve Bayes 算法添加了模型,则必须仅将列更改为离散化值,因为该算法不支持连续数字。

为什么以及如何将数据拆分为训练集和测试集

在向导接近末尾时,你必须决定是否将数据分区为训练集和测试集。 为测试预配随机采样部分的功能非常方便,因为它可确保一组一致的测试数据可用于与新结构关联的所有模型。

重要

此选项不适用于所有模型类型。 例如,如果你创建预测模型,则不能使用保留,因为时间序列算法要求数据中不能有间隙。 有关支持保留数据集的模型类型的列表,请参阅 训练和测试数据集。

若要创建保留数据集,请指定要用于测试的数据的百分比。 所有剩余的数据都用于训练。 可选地,您可以设置用于测试的最大案例数,或设置用于启动随机选择过程的种子值。

保留测试集的定义与挖掘结构一起存储,因此,每当基于该结构创建新模型时,测试数据集都可用于评估模型的准确性。 如果删除挖掘结构缓存,也会删除有关哪些事例用于训练或测试的信息。

为何以及如何启用钻取

几乎在向导末尾的是启用钻取的选项。 很容易错过这个重要选项。 钻取让你通过查询挖掘模型来查看挖掘结构中的源数据。

此功能可用于查看详细信息。 例如,如果要查看聚类分析模型的结果,则可能需要查看特定群集中的客户。 通过使用钻取,你可以查看详细信息,例如联系信息。

重要

要使用钻取,你必须在创建挖掘结构时启用它。 稍后可以通过在模型上设置某个属性来启用钻取功能,但挖掘结构要求您在一开始就设置此选项。 有关详细信息,请参阅钻取查询(数据挖掘)。

另见

数据挖掘设计器
数据挖掘向导 (Analysis Services - 数据挖掘)
挖掘模型属性
数据挖掘结构及其列的属性
挖掘结构任务和操作指南