Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Gilt für:
SQL Server 2019 und frühere Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
Von Bedeutung
Data Mining wurde in SQL Server 2017 Analysis Services verworfen und ist in SQL Server 2022 Analysis Services eingestellt worden. Die Dokumentation wird nicht für veraltete und nicht mehr unterstützte Features aktualisiert. Weitere Informationen finden Sie unter "Analysis Services-Abwärtskompatibilität".
Einige Algorithmen, die Data Mining-Modelle in SQL Server SQL Server Analysis Services erstellen, erfordern eine ordnungsgemäße Funktion bestimmter Inhaltstypen. Beispielsweise kann der Microsoft Naive Bayes-Algorithmus keine fortlaufenden Spalten als Eingabe verwenden und keine fortlaufenden Werte vorhersagen. Außerdem enthalten einige Spalten so viele Werte, aus denen der Algorithmus keine interessanten Muster in den Daten identifizieren kann, aus denen ein Modell erstellt werden soll.
In diesen Fällen können Sie die Daten in den Spalten diskretieren, um die Verwendung der Algorithmen zum Erstellen eines Miningmodells zu ermöglichen. Die Diskretisierung ist der Prozess der Zusammenstellung von Werten in Buckets, sodass es eine begrenzte Anzahl möglicher Zustände gibt. Die Buckets selbst werden als sortierte und diskrete Werte behandelt. Sie können numerische und Zeichenfolgenspalten diskretisieren.
Es stehen mehrere Methoden zum Diskretisieren von Daten zur Verfügung. Wenn Ihre Data Mining-Lösung relationale Daten verwendet, können Sie die Anzahl der Buckets steuern, die zum Gruppieren von Daten verwendet werden sollen, indem Sie den Wert der DiscretizationBucketCount Eigenschaft festlegen. Die Standardanzahl von Buckets ist 5.
Wenn Ihre Data Mining-Lösung Daten aus einem OLAP-Cube (Online Analytical Processing) verwendet, berechnet der Data Mining-Algorithmus automatisch die Anzahl der Buckets, die mithilfe der folgenden Gleichung generiert werden sollen. Dabei n handelt es sich um die Anzahl unterschiedlicher Datenwerte in der Spalte:
Number of Buckets = sqrt(n)
Wenn Sie nicht möchten, dass SQL Server Analysis Services die Anzahl der Buckets berechnen soll, verwenden Sie die DiscretizationBucketCount Eigenschaft, um die Anzahl der Buckets manuell anzugeben.
In der folgenden Tabelle werden die Methoden beschrieben, mit denen Sie Daten in SQL Server Analysis Services diskretisieren können.
| Diskretisierungsmethode | Description |
|---|---|
| AUTOMATISCH | SQL Server Analysis Services bestimmt, welche Diskretisierungsmethode verwendet werden soll. |
| CLUSTER | Der Algorithmus unterteilt die Daten in Gruppen, indem er Stichproben der Schulungsdaten nimmt, diese als Initialisierungswerte eine Reihe von zufällig gewählten Punkten verwendet und anschließend mehrere Iterationen des Microsoft Clustering-Algorithmus anhand der Expectation-Maximization (EM)-Clusteringmethode ausführt. Die CLUSTER-Methode ist nützlich, da sie auf jeder Verteilungskurve funktioniert. Es erfordert jedoch mehr Verarbeitungszeit als die anderen Diskretisierungsmethoden. Diese Methode kann nur mit numerischen Spalten verwendet werden. |
| EQUAL_AREAS | Der Algorithmus teilt die Daten in Gruppen auf, die eine gleiche Anzahl von Werten enthalten. Diese Methode wird am besten für normale Verteilungskurven verwendet, funktioniert aber nicht gut, wenn die Verteilung eine große Anzahl von Werten in einer schmalen Gruppe in den fortlaufenden Daten enthält. Wenn beispielsweise die Hälfte der Elemente Kosten von 0 aufweist, entfällt die Hälfte der Daten auf einen einzigen Punkt der Kurve. Bei einer solchen Verteilung teilt diese Methode die Daten auf, um eine gleichmäßige Diskretisierung über mehrere Bereiche hinweg zu erreichen. Dieser Vorgang erzeugt eine ungenaue Darstellung der Daten. |
Bemerkungen
Verwenden Sie die EQUAL_AREAS-Methode , um Zeichenfolgen zu diskretisieren.
Die CLUSTER-Methode verwendet eine zufällige Stichprobe von 1.000 Datensätzen, um Daten zu entschlüsseln. Verwenden Sie die EQUAL_AREAS-Methode , wenn Sie nicht möchten, dass der Algorithmus Beispieldaten enthält.
Siehe auch
Inhaltstypen (Data Mining)
Inhaltstypen (DMX)
Data Mining-Algorithmen (Analysis Services - Data Mining)
Miningstrukturen (Analysis Services - Data Mining)
Datentypen (Data Mining)
Miningstrukturspalten
Spaltenverteilungen (Data Mining)