Métodos de discretização (mineração de dados)

Aplica-se a: SQL Server 2019 e versões anteriores do Analysis Services Azure Analysis Services Fabric/Power BI Premium

Importante

A mineração de dados foi preterida no SQL Server 2017 Analysis Services e agora descontinuada no SQL Server 2022 Analysis Services. A documentação não é atualizada para recursos preteridos e descontinuados. Para saber mais, consulte a compatibilidade com versões anteriores do Analysis Services.

Alguns algoritmos que criam modelos de mineração de dados em SQL Server SQL Server Analysis Services exigem tipos de conteúdo específicos para funcionar corretamente. Por exemplo, o algoritmo Microsoft Naive Bayes não pode usar colunas contínuas como entrada e não pode prever valores contínuos. Além disso, algumas colunas contêm tantos valores dos quais o algoritmo não pode identificar facilmente padrões interessantes nos dados para criar um modelo.

Nesses casos, você pode discretizar os dados nas colunas para habilitar o uso dos algoritmos para produzir um modelo de mineração. A discretização é o processo de colocar valores em buckets para que haja um número limitado de estados possíveis. Os próprios blocos são tratados como valores ordenados e discretos. Você pode diferenciar colunas numéricas e de cadeia de caracteres.

Vários métodos estão disponíveis para diferenciar dados. Se a solução de mineração de dados usar dados relacionais, você poderá controlar o número de buckets a serem usados para agrupar dados definindo o valor da DiscretizationBucketCount propriedade. O número padrão de buckets é 5.

Se sua solução de mineração de dados usar dados de um cubo OLAP (Processamento Analítico Online), o algoritmo de mineração de dados calculará automaticamente o número de buckets a serem gerados usando a seguinte equação, onde n está o número de valores distintos de dados na coluna:

Number of Buckets = sqrt(n)

Se você não quiser que SQL Server Analysis Services calcule o número de buckets, use a DiscretizationBucketCount propriedade para especificar manualmente o número de buckets.

A tabela a seguir descreve os métodos que você pode usar para diferenciar dados em SQL Server Analysis Services.

Método de discretização Description
AUTOMÁTICO O SQL Server Analysis Services determina qual método de discretização usar.
CLUSTERS O algoritmo divide os dados em grupos amostrando os dados de treinamento, inicializando em vários pontos aleatórios e, em seguida, executando várias iterações do algoritmo de Clustering da Microsoft usando o método de clustering EM (Maximização da Expectativa). O método CLUSTERS é útil porque funciona em qualquer curva de distribuição. No entanto, isso requer mais tempo de processamento do que os outros métodos de discretização.

Esse método só pode ser usado com colunas numéricas.
EQUAL_AREAS O algoritmo divide os dados em grupos que contêm um número igual de valores. Esse método é melhor usado para curvas de distribuição normais, mas não funciona bem se a distribuição incluir um grande número de valores em um grupo estreito nos dados contínuos. Por exemplo, se metade dos itens tiver um custo de 0, metade dos dados ocorrerá em um único ponto na curva. Nessa distribuição, esse método divide os dados em um esforço para estabelecer a mesma discretização em várias áreas. Esse processo produz uma representação imprecisa dos dados.

Observações

  • Use o método EQUAL_AREAS para diferenciar cadeias de caracteres.

  • O método CLUSTERS usa uma amostra aleatória de 1.000 registros para diferenciar dados. Use o método EQUAL_AREAS se você não quiser que o algoritmo teste dados.

Consulte também

Tipos de conteúdo (mineração de dados)
Tipos de conteúdo (DMX)
Algoritmos de mineração de dados (Analysis Services – Mineração de dados)
Estruturas de mineração (Analysis Services – Mineração de dados)
Tipos de dados (mineração de dados)
Colunas da estrutura de mineração
Distribuições de coluna (mineração de dados)

  • Última atualização em