创建 OLAP 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。

基于 OLAP 多维数据集或其他多维数据存储创建数据挖掘模型具有许多优点。 OLAP 解决方案已包含大量组织有序、清理且格式正确的数据。 但是,数据的复杂性使得通过即席探索难以找到有意义的模式。 数据挖掘提供发现新相关性和可操作见解的功能。

本文介绍如何基于现有多维解决方案中的维度和相关度量值创建 OLAP 挖掘结构。

OLAP 挖掘结构和模型的要求

设计 OLAP 挖掘模型时,数据源已存在于用于生成多维数据集的数据库中。 你无法连接到远程多维数据集并构建数据挖掘对象。 你必须使多维数据集对象和数据库在与你构建的挖掘结构相同的解决方案中可用。

如果没有原始项目文件或不想更改这些文件,则可以使用Visual Studio中的“从服务器”(多维或数据挖掘)选项获取元数据和解决方案对象的副本。 然后,可以修改部署目标、编辑数据源并处理多维数据集对象,而不会影响现有对象。

有关详细信息,请参阅 使用 Analysis Services 导入向导导入数据挖掘项目。

OLAP 数据挖掘过程概述

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“新建挖掘结构”来启动数据挖掘向导。 向导将指导你完成以下步骤,为新结构和模型创建结构:

  1. 选择定义方法:选择数据源类型并选择“从现有多维数据集”。

    注释

    用作源的 OLAP 多维数据集必须存在于与挖掘结构相同的数据库中。 此外,你不能使用由 Power Pivot for Excel 加载项创建的多维数据集作为数据挖掘的源。

  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。

    还必须选择适当的算法来分析数据。 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. 选择源多维数据集维度:此步骤与选择数据源相同。 选择包含用于训练模型的最重要数据的单个维度。 可以添加来自其他维度的数据,或稍后筛选维度。

  4. 选择案例键:在刚刚选择的维度中,选择一个属性列作为事例数据的唯一标识符。

    通常预先选择一个列,但如果有多个键,则可以更改该列。

  5. 选择事例级别列:从与分析相关的所选维度中选择属性和相关度量值。 此步骤等效于从表中选择列。

    向导会自动包括使用所选维度的属性创建的任何度量值,以供审阅和选择。

    例如,如果你的多维数据集包含一个根据客户地理位置计算运费成本的度量值,并且你选择了“客户”维度作为建模的主要数据源,则该度量值会被建议作为可添加到模型中的候选项。 避免添加过多的度量值,这些度量值已直接基于属性。 列之间已经存在一种隐式关系,这是在度量公式中定义的,而这种预期相关性的强度可能会掩盖你原本可能发现的其他关系。

  6. 指定挖掘模型列使用情况:对于添加到结构中的每个属性或度量值,必须指定属性是应用于预测还是用作输入。 如果未选择上述任一选项,则会处理数据,但不用于分析。 数据作为背景数据可用,以防你稍后启用钻取。

  7. 添加嵌套表:选择此选项可添加相关表。

  8. 在 “选择度量值组维度 ”对话框中,从与当前维度相关的维度中选择单个维度。

  9. 使用 “选择嵌套表键 ”对话框定义新维度与包含事例数据的维度的关联方式。

  10. 使用 “选择嵌套表列 ”对话框从要在分析中使用的新维度中选择属性和度量值。 还指定是否使用嵌套属性进行预测。

  11. 添加所需的所有嵌套属性后,返回到 “指定挖掘模型列使用情况 ”页,然后选择“ 下一步”。

  12. 指定列内容和数据类型:添加用于分析的所有数据后,请为每个属性指定 数据类型 和 内容类型 。

    在 OLAP 模型中,无法自动检测数据类型,因为数据类型已由多维解决方案定义,无法更改。 密钥也会自动识别。 有关详细信息,请参阅数据类型(数据挖掘)。

    为模型中使用的每一列选择 的内容类型 告知算法应如何处理数据。 有关详细信息,请参阅内容类型(数据挖掘)。

  13. 对源多维数据集进行切片:在多维数据集中定义筛选器,以仅选取部分数据来训练更具针对性的模型。

    通过选择要筛选的维度、选择包含你要使用的条件的层次结构级别,然后输入要用作筛选器的条件来筛选多维数据集。

  14. 创建测试集:选择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)。

  15. 完成向导:为新的挖掘结构和关联的挖掘模型命名,并保存结构和模型。

    在此页上,还可以设置以下选项:

    • 允许钻取

    • 创建挖掘模型维度

    • 使用挖掘模型维度创建多维数据集

    要了解有关这些选项的详细信息,请参阅本文后面的了解数据挖掘维度和钻取。

此时,挖掘结构及其模型只是元数据。 需要处理这两者才能获取结果。

将数据挖掘与 OLAP 数据配合使用的方案

OLAP 多维数据集通常包含这么多成员和维度,很难知道从何处开始数据挖掘。 为了帮助识别多维数据集包含的模式,可以标识感兴趣的单个维度,并开始探索与该维度相关的模式。 下表列出了几个常见的 OLAP 数据挖掘任务,介绍了应用每个任务的示例方案,并标识要用于每个任务的数据挖掘算法。

任务 示例方案 算法
将成员分组到群集中 根据客户成员属性、客户购买的产品以及客户花费的资金来细分客户维度。 Microsoft聚类分析算法
查找有趣或异常的成员 根据销售、利润、商店位置和商店大小确定商店维度中的有趣或异常商店。 Microsoft决策树算法
查找有趣或异常的细胞 识别随着时间的推移偏离典型趋势的商店销售情况。 Microsoft时序算法
查找相关性 确定与服务器停机时间相关的因素,包括区域、计算机类型、OS 或购买日期。 Microsoft Naïve Bayes 算法

切片多维数据集与筛选模型

在构建模型时对多维数据集进行切片就像在关系挖掘模型上创建筛选器。 在关系模型中,数据源上的筛选器定义为 SQL 语句上的 WHERE 子句。 在多维数据集中,可以使用编辑器通过 MDX 创建筛选语句。

例如,多维数据集可能包含全球产品购买的信息,但对于你的营销活动,你想要基于对在英国居住的年龄超过 30 岁的女性客户的分析创建模型。 在此方案中,将创建两个筛选器:

  • 对于第一个筛选器,请选择 “地理位置 ”维度,选择 “区域”的层次结构,然后使用 “筛选表达式 ”列表从可能的值中选择 英国 。

  • 对于第二个筛选器,请选择 “客户 ”维度,选择 “性别 ”属性,然后从属性值列表中选择 “女性 ”。

创建挖掘结构后,可以修改多维数据集数据和筛选器条件的定义。 有关详细信息,请参阅 挖掘模型的筛选器。

“挖掘结构”选项卡和“挖掘模型”选项卡都提供了通过选择“定义多维数据集切片”将筛选器添加到现有挖掘结构的选项。 “切片数据集”对话框通过从下拉列表中选择值来帮助您构建有效的 MDX 筛选器表达式。

重要

SQL Server 2017 中更改了用于设计和浏览多维数据集的界面。 有关详细信息,请参阅 “在多维数据集中浏览数据和元数据”。

你可以根据需要添加任意数量的立方体筛选器,以返回挖掘模型所需的数据。 你还可以在各个多维数据集切片上定义切片。 例如,如果结构包含两个基于产品的嵌套表,则可以在 2004 年 3 月切片一个表,在 2004 年 4 月对另一个表进行切片。 然后,可以使用生成的模型根据 3 月的购买量预测在 4 月进行的购买。

在 OLAP 挖掘模型中使用嵌套表

使用数据挖掘向导基于多维数据集数据生成模型时,可以通过指定相关维度的名称,然后选择要添加到模型的属性或度量值来添加嵌套表。

例如,如果用于事例数据的主维度是 Customer,则可以将产品维度添加为相关维度,因为你预计客户可能会随时间推移订购多个产品,并且多维数据集已通过订单事实数据表将每个客户链接到多个产品。

在向导的 “指定挖掘模型列使用情况” 页上,选择 “添加嵌套表” 以添加嵌套表。 此时会打开一个对话框,引导你完成选择相关维度和任何度量值的过程。 案例和嵌套维度必须通过外键关联,度量值必须使用案例或嵌套表中已有的某个属性。 这些限制不会缩小范围,因此必须注意仅选择那些对建模有用的属性。

对于添加到嵌套表的每个属性或度量值,必须通过选择“选择嵌套表列”对话框中选择“可预测”或“输入”来指定嵌套属性是否用于预测。 如果未选择上述任一选项,则会将数据添加到挖掘结构,但不用于分析。

对于每个属性和度量值,还必须指定该属性是离散的、离散化还是连续的。 向导根据属性的数据类型预先选择默认值,但可能需要根据算法要求更改这些值。 如果选择与所选算法不兼容的内容类型,例如,对 Naïve Bayes 模型使用连续数值类型,则尝试处理模型时会收到错误消息。

完成设置这些选项后,向导会将嵌套表添加到事例表中。 嵌套表的默认名称是嵌套维度名称,但可以重命名嵌套表及其列。 可以重复此过程,将多个嵌套表添加到挖掘结构。

使用嵌套表数据的能力是 SQL Server 数据挖掘的一项特别强大的功能,并且在多维数据集中使用相关数据子集的可能性几乎是无限的。

了解数据挖掘维度和钻取

“允许钻取”选项让你在浏览模型时对底层多维数据集数据运行查询。 数据并不包含于新的数据挖掘维度中,但 SQL Server Analysis Services 数据库可以使用数据绑定从源多维数据集中检索信息。

使用“创建挖掘模型维度”选项,可以在现有多维数据集中生成一个新维度,其中包含算法发现的模式。 新维度中的层次结构在很大程度上取决于模型类型。 例如,聚类模型的表现相当扁平,层次结构顶部是 (All) 节点,下一层是每个聚类。 相比之下,为决策树模型创建的维度可能具有非常深的层次结构,表示树的分支。

使用挖掘模型维度选项创建多维数据集可将新的数据挖掘维度导出到新的多维数据集中。 数据挖掘维度上钻取所需的任何对象都会自动包含。

重要

仅基于Microsoft聚类分析算法、Microsoft决策树算法或Microsoft关联算法的模型类型支持创建数据挖掘维度。

另见

数据挖掘算法 (Analysis Services - 数据挖掘)
数据挖掘结构列
数据挖掘模型列
挖掘模型属性
数据挖掘结构及其列的属性