Verarbeiten von Data Mining-Objekten

Gilt für: SQL Server 2019 und frühere Analysis Services Azure Analysis Services Fabric/Power BI Premium

Ein Data Mining-Objekt bleibt ein leerer Container, bis Analysis Services es verarbeitet. Schulung bezieht sich auf die Verarbeitung eines Data Mining-Modells.

Verarbeitung von Bergbaustrukturen: Eine Miningstruktur ruft Daten aus einer externen Datenquelle ab, wie durch die Spaltenbindungen und Nutzungsmetadaten definiert, und liest die Daten. Diese Daten werden vollständig gelesen und dann analysiert, um verschiedene Statistiken zu extrahieren. Analysis Services speichert eine kompakte Darstellung der Daten, die für die Analyse durch Data Mining-Algorithmen geeignet ist, in einem lokalen Cache. Sie können diesen Cache entweder beibehalten oder löschen, nachdem Ihre Modelle verarbeitet wurden. Standardmäßig wird der Cache gespeichert. Weitere Informationen finden Sie unter Process a Mining Structure.

Verarbeiten von Miningmodellen: Ein Miningmodell ist leer, enthält nur Definitionen, bis es verarbeitet wird. Um ein Miningmodell zu verarbeiten, muss die Bergbaustruktur, auf der sie basiert, verarbeitet worden sein. Das Miningmodell ruft die Daten aus dem Cache der Miningstruktur ab, wendet alle Filter an, die möglicherweise für das Modell erstellt wurden, und übergibt dann den Datensatz über den Algorithmus, um Muster zu erkennen. Nachdem das Modell verarbeitet wurde, speichert das Modell nur die Ergebnisse der Verarbeitung, nicht die Daten selbst. Weitere Informationen finden Sie unter Process a Mining Model.

Das folgende Diagramm zeigt, wie Daten fließen, wenn Analysis Services eine Miningstruktur und ein Miningmodell verarbeitet.

Anzeigen der Ergebnisse der Verarbeitung

Nachdem Sie eine Miningstruktur verarbeitet haben, verfügt sie über eine kompakte Darstellung der Daten für die statistische Analyse. Wenn der Cache weiterhin über die Daten verfügt, verwenden Sie sie auf folgende Weise:

• Erstellen Sie eine Data Mining Extensions (DMX)-Abfrage für das Modell und führen Sie einen Drillthrough bis zur Struktur durch. Weitere Informationen finden Sie unter SELECT FROM <model>.CASES (DMX).

• Durchsuchen Sie ein Modell anhand der Struktur, und verwenden Sie eine Option in der Benutzeroberfläche, um zu den Strukturfällen zu wechseln. Weitere Informationen finden Sie unter Data-Mining-Modell-Viewer oder Ausführen von Drillthroughs für Falldaten aus einem Miningmodell.

• Erstellen Sie eine DMX-Abfrage für die Strukturfälle. Weitere Informationen finden Sie unter SELECT FROM <structure>.CASES.

Nachdem Sie ein Miningmodell verarbeitet haben, enthält es nur die Muster aus der Analyse und Zuordnungen aus den Modellergebnissen zu den zwischengespeicherten Schulungsdaten. Der Begriff Modellinhalt bezeichnet die Modellergebnisse. Modellinhalt durchsuchen oder abfragen. Auch Abfragemodell- und Strukturfälle, wenn der Cache sie enthält.

Modellinhalt hängt vom Algorithmus ab. Beispielsweise erzeugen Clustering- und Entscheidungsstrukturenmodelle unterschiedliche Inhalte, auch wenn sie dieselben Daten verwenden. Weitere Informationen finden Sie unter Inhalt des Miningmodells (Analysis Services – Data Mining).

Verarbeitungsanforderungen

Die Verarbeitungsanforderungen können variieren, je nachdem, ob Ihre Miningmodelle nur relationale Daten verwenden oder multidimensionale Datenquellen verwenden.

Erstellen Sie für relationale Datenquellen Schulungsdaten, und führen Sie Miningalgorithmen für diese Daten aus. Miningmodelle, die OLAP-Objekte wie z. B. Dimensionen und Kennzahlen verwenden, erfordern ebenfalls eine verarbeitete zugrunde liegende Datenbasis. Möglicherweise müssen Sie die multidimensionalen Objekte verarbeiten, um das Miningmodell aufzufüllen.

Weitere Informationen finden Sie unter Verarbeitungsanforderungen und Überlegungen (Data Mining).

Siehe auch

Drillthrough-Abfragen (Data Mining)
Miningstrukturen (Analysis Services - Data Mining)
Miningmodelle (Analysis Services – Data Mining)
Logische Architektur (Analysis Services - Data Mining)