採礦結構 （Analysis Services - 數據採礦）

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。

採礦結構會定義採礦模型建置的數據：它會指定源數據檢視、數據行的數目和類型，以及定型和測試集的選擇性數據分割。 單一採礦結構可以支援多個共用相同網域的採礦模型。 下圖說明數據採礦結構與數據源及其組成數據採礦模型的關聯性。

圖表中的採礦結構是以包含多個數據表或檢視的數據源為基礎，並聯結在 CustomerID 字段上。 一個數據表包含客戶的相關信息，例如地理區域、年齡、收入和性別，而相關的巢狀數據表則包含多個有關每位客戶的其他資訊列，例如客戶購買的產品。 此圖表顯示多個模型可以建置在一個採礦結構上，而且模型可以使用與 結構不同的數據行。

模型 1 使用 CustomerID、收入、年齡、區域，以及篩選區域上的數據。

模型 2 使用 CustomerID、收入、年齡、區域，並篩選年齡上的數據。

模型 3 使用 CustomerID、Age、Gender 和巢狀數據表，但沒有篩選條件。

由於模型針對輸入使用不同的數據行，而且因為其中兩個模型會藉由套用篩選來限制模型中使用的數據，所以即使模型是以相同的數據為基礎，模型也可能有非常不同的結果。 請注意，所有模型中都需要 CustomerID 數據行，因為它是唯一可作為案例索引鍵使用的數據行。

本節說明數據採礦結構的基本架構：如何定義採礦結構、如何使用數據填入數據，以及如何使用它來建立模型。 如需如何管理或導出現有數據採礦結構的詳細資訊，請參閱 管理數據採礦方案和物件。

定義採礦結構

設定資料採礦結構包含下列步驟：

• 定義數據源。

• 選取要包含在 結構中的數據行（並非所有數據行都必須新增至模型），並定義索引鍵。

• 定義 結構的索引鍵，包括適用於最佳數據表的索引鍵。

• 指定源數據是否應該分隔成定型集和測試集。 這個步驟是選擇性的。

• 處理結構。

下列各節將詳細說明這些步驟。

採礦結構的數據源

當您定義採礦結構時，可以使用現有數據源檢視中可用的數據行。 數據源檢視是一個共享物件，可讓您結合多個數據源，並將其作為單一來源使用。 用戶端應用程式看不到原始數據源，而且您可以使用數據源檢視的屬性來修改數據類型、建立匯總或別名數據行。

如果您從相同的採礦結構建置多個採礦模型，模型可以使用結構中的不同數據行。 例如，您可以建立單一結構，然後從中建立不同的判定樹和群集模型，並使用不同的數據行和預測不同的屬性來建立每個模型。

此外，每個模型都可以以不同方式使用 結構中的數據行。 例如，您的數據源檢視可能包含 [收入] 數據行，您可以針對不同的模型以不同的方式量化。

數據採礦結構會以 系結的形式，將數據源的定義及其中的數據行儲存至源數據。 如需資料來源系結的詳細資訊，請參閱 數據源和系結 （SSAS 多維度）。 不過，請注意，您也可以使用 DMX CREATE MINING STRUCTURE （DMX） 語句，建立數據採礦結構，而不將其系結至特定數據源。

採礦結構數據行

採礦結構的建置組塊是採礦結構數據行，其描述數據源包含的數據。 這些數據行包含數據類型、內容類型，以及數據散發方式等資訊。 採礦結構不包含數據行如何用於特定採礦模型的資訊，或關於用來建置模型的演算法類型;這項資訊定義於採礦模型本身。

採礦結構也可以包含巢狀數據表。 巢狀數據表代表案例實體與其相關屬性之間的一對多關聯性。 例如，如果描述客戶的資訊位於一個數據表中，而客戶的購買專案則位於另一個數據表中，您可以使用巢狀數據表將資訊合併成單一案例。 客戶標識碼是實體，而購買是相關的屬性。 如需何時使用巢狀數據表的詳細資訊，請參閱 巢狀數據表 （Analysis Services - 資料採礦）。

若要在 SQL Server Data Tools 中建立數據採礦模型，您必須先建立數據採礦結構。 數據採礦精靈會逐步引導您完成建立採礦結構、選擇數據，以及新增採礦模型的程式。

如果您使用數據採礦延伸模組建立採礦模型（DMX），您可以指定模型和其中的數據行，而且 DMX 會自動建立必要的採礦結構。 如需詳細資訊，請參閱 CREATE MINING MODEL （DMX）。

如需詳細資訊，請參閱 採礦結構資料行。

將數據分割成定型集和測試集

當您定義採礦結構的數據時，您也可以指定部分數據用於定型，有些則用於測試。 因此，在建立數據採礦結構之前，不再需要分隔您的數據。 相反地，當您建立模型時，您可以指定要保留特定百分比的數據進行測試，以及用於定型的其餘部分，或者您可以指定特定數目的案例做為測試數據集。 定型和測試數據集的相關信息會以採礦結構快取，因此，相同的測試集可以與以該結構為基礎的所有模型搭配使用。

如需詳細資訊，請參閱 定型及測試資料集。

啟用鑽研

即使您不打算在特定採礦模型中使用數據行，您也可以將數據行加入採礦結構。 例如，如果您想要在叢集模型中擷取客戶的電子郵件位址，而不需要在分析程序期間使用電子郵件位址，這非常有用。 若要在分析和預測階段忽略數據行，您可以將它新增至 結構，但未指定數據行的使用方式，或將使用量旗標設定為 [忽略]。 如果採礦模型上已啟用鑽研，而且您擁有適當的許可權，則以這種方式標幟的數據仍可用於查詢中。 例如，您可以檢閱所有客戶分析所產生的叢集，然後使用鑽研查詢來取得特定叢集中客戶的名稱和電子郵件位址，即使這些數據行未用來建置模型也一樣。

如需詳細資訊，請參閱 鑽研查詢 （資料採礦）。

處理採礦結構

採礦結構只是元數據容器，直到處理為止。 當您處理採礦結構時，SQL Server Analysis Services 會建立一個快取，以儲存有關數據的統計數據、如何離散化任何連續屬性的相關信息，以及採礦模型稍後使用的其他資訊。 採礦模型本身不會儲存此摘要資訊，而是參考處理採礦結構時所快取的資訊。 因此，您不需要在每次將新模型新增至現有結構時重新處理結構;您可以只處理模型。

如果快取非常大，或您想要移除詳細數據，您可以選擇在處理之後捨棄此快取。 如果您不想要快取資料，您可以將採礦結構的 CacheMode 屬性變更為 ClearAfterProcessing。 在處理任何模型之後，這會終結快取。 將 CacheMode 屬性設定為 ClearAfterProcessing 將會停用採礦模型的鑽研。

不過，在終結快取之後，您將無法將新的模型新增至採礦結構。 如果您將新的採礦模型新增至 結構，或變更現有模型的屬性，您必須先重新處理採礦結構。 如需詳細資訊，請參閱 處理需求和考慮（資料採礦）。

檢視採礦結構

您無法使用檢視者來瀏覽採礦結構中的數據。 不過，在 SQL Server Data Tools 中，您可以使用數據採礦設計師的 [採礦結構] 索引卷標 索引標籤來檢視結構數據行及其定義。 如需詳細資訊，請參閱 資料採礦設計師。

如果您想要檢閱採礦結構中的數據，您可以使用數據採礦延伸模組 （DMX） 建立查詢。 例如，語句 SELECT * FROM <structure>.CASES 會傳回採礦結構中的所有數據。 若要擷取這項資訊，必須已處理採礦結構，而且必須快取處理的結果。

語句 SELECT * FROM <model>.CASES 會傳回相同的數據行，但只針對該特定模型中的案例。 如需詳細資訊，請參閱 SELECT FROM <結構>。CASES 和 SELECT FROM <模型>。CASES （DMX）。

搭配採礦結構使用數據採礦模型

數據採礦模型會將採礦模型演算法套用至採礦結構所代表的數據。 採礦模型是屬於特定採礦結構的物件，而模型會繼承採礦結構所定義之屬性的所有值。 此模型可以使用採礦結構包含的所有數據行或數據行子集。 您可以將結構資料行的多個復本新增至 結構。 您也可以將結構數據行的多個復本新增至模型，然後將不同的名稱或 別名指派給模型中的每個結構數據行。 如需別名結構數據行的詳細資訊，請參閱 建立模型數據行的別名 和 採礦模型屬性。

如需數據採礦模型架構的詳細資訊，請參閱 採礦模型（Analysis Services - 資料採礦）。

相關工作

使用提供她的連結，深入瞭解如何定義、管理和使用採礦結構。

任務	連結
使用關係型採礦結構	建立新的關係型採礦結構 將巢狀數據表新增至採礦結構
根據 OLAP Cube 使用採礦結構	建立新的 OLAP 採礦結構
使用採礦結構中的數據行	將數據行新增至採礦結構 從採礦結構中移除數據行
變更或查詢採礦結構屬性和數據	變更採礦結構的屬性
使用基礎數據源並更新源數據	編輯用於採礦結構 的數據源檢視 處理採礦結構

另請參閱

資料庫物件 （Analysis Services - 多維度數據）
採礦模型 （Analysis Services - 數據採礦）