共用方式為

資料採礦 （SSAS）

  • 發行項

適用於： SQL Server 2019 和舊版 Analysis Services Azure Analysis Services Fabric/Power BI Premium

重要

SQL Server 2017 Analysis Services 中已淘汰數據採礦，現在已在 SQL Server 2022 Analysis Services 中停止。 檔不會更新為已淘汰和已停止的功能。 若要深入瞭解，請參閱 Analysis Services 回溯相容性。

自 2000 版以來，SQL Server 一直是預測性分析的領導者，其方式是在 SQL Server Analysis Services 中提供數據採礦。 Integration Services、Reporting Services 和 SQL Server 數據採礦的組合提供整合式平臺，用於預測性分析，其中包含數據清理和準備、機器學習和報告。 SQL Server 數據採礦包含多個標準演算法，包括 EM 和 K-means 叢集模型、類神經網路、羅吉斯回歸和線性回歸、判定樹和貝氏機率分類器。 所有模型都有整合式視覺效果，可協助您開發、精簡和評估模型。 將數據採礦整合到商業智慧解決方案中，可協助您針對複雜問題做出智能決策。

數據採礦的優點

數據採礦（也稱為預測性分析和機器學習）使用經過精心研究的統計原則來探索數據中的模式。 藉由將 SQL Server Analysis Services 中的數據採礦演算法套用至您的數據，您可以預測趨勢、識別模式、建立規則和建議、分析複雜數據集中的事件順序，以及取得新的見解。

在 SQL Server 2017 中，數據採礦功能強大、可存取，並與許多人偏好用於分析和報告的工具整合。

關鍵數據採礦功能

SQL Server 數據採礦提供下列功能來支援整合式數據採礦解決方案：

  • 多個數據來源：您可以使用任何表格式數據源進行數據採礦，包括電子表格和文本檔。 您也可以輕鬆地挖掘在 SQL Server Analysis Services 中建立的 OLAP Cube。 不過，您無法使用記憶體內部資料庫中的數據。

  • 整合式數據清理、數據管理和報告：Integration Services 提供分析與清理數據的工具。 您可以建置 ETL 程式來清理數據以準備模型，ssISnoversion 也可讓您輕鬆地重新定型和更新模型。

  • 多個可自定義的演算法：除了提供叢集、神經網路和判定樹等演算法之外，SQL Server 數據採礦還支持開發您自己的自定義外掛程式演算法。

  • 模型測試基礎結構：使用重要的統計工具作為交叉驗證、分類矩陣、增益圖和散佈圖來測試您的模型和數據集。 輕鬆建立及管理測試和定型集。

  • 查詢和鑽研：SQL Server 數據採礦提供 DMX 語言，可將預測查詢整合到應用程式中。 您也可以從模型擷取詳細的統計數據和模式，並鑽研案例數據。

  • 用戶端工具：除了 SQL Server 所提供的開發和設計工作室之外，您還可以使用適用於 Excel 的數據採礦載入宏來建立、查詢和流覽模型。 或者，建立自定義用戶端，包括 Web 服務。

  • 腳本語言支援和受控 API：所有數據採礦物件皆可完全程式化。 腳本可透過適用於 SQL Server Analysis Services 的 MDX、XMLA 或 PowerShell 擴充功能來進行。 使用數據採礦延伸模組 （DMX） 語言進行快速查詢和腳本處理。

  • 安全性和部署：透過 SQL Server Analysis Services 提供角色型安全性，包括鑽研模型和結構數據的個別許可權。 將模型輕鬆部署到其他伺服器，讓使用者可以存取模式或執行預測

在本節中

本節中的主題介紹 SQL Server 數據採礦和相關工作的主要功能。

另請參閱

SQL Server R Services