適用於：
SQL Server 2019 和更早版本的 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。 對於已淘汰和已停用的功能，文件將不再更新。 若要深入瞭解，請參閱 Analysis Services 回溯相容性。
有些在SQL Server SQL Server Analysis Services中建立資料探勘模型的演算法需要特定內容類型才能正常運作。 例如，Microsoft 的 Naive Bayes 演算法無法使用連續欄位作為輸入，也無法預測連續值。 此外，有些欄位包含太多值，演算法無法輕易從資料中找出有趣的模式來建立模型。
在這種情況下，你可以將欄位資料離散化，以便使用演算法來產生挖礦模型。 離散化 是將數值放入桶中，使可能狀態數量有限的過程。 這些桶本身被視為有序且離散的值。 您可以離散化數值和字串資料行。
有多種方法可用於離散化資料。 如果你的資料探勘解決方案使用關聯式資料，可以透過設定屬性值 DiscretizationBucketCount 來控制用於分組資料的桶數。 bucket 的預設數量為 5。
若您的資料探勘解決方案使用線上分析處理（OLAP）立方體的資料，資料探勘演算法會自動計算需產生的桶數，使用以下方程式，其中 n 是欄位中不同資料值的數量：
Number of Buckets = sqrt(n)
如果你不想讓 SQL Server Analysis Services 計算桶數，可以用屬性DiscretizationBucketCount手動指定桶數。
下表說明您可以在 SQL Server Analysis Services 中使用來離散化資料的方法。
| 離散化方法 | 描述 |
|---|---|
| 自動 | SQL Server Analysis Services 會決定要使用的離散化方法。 |
| 叢集 | 此演算法會先對訓練資料進行取樣，以若干個隨機點進行初始化，然後使用期望最大化（EM）分群方法反覆執行 Microsoft Clustering 演算法數次，將資料分割成群組。
CLUSTERS 方法之所以有用，是因為它適用於任何分布曲線。 不過，它需要比其他離散化方法更多的處理時間。 此方法僅適用於數值欄位。 |
| EQUAL_AREAS | 演算法會將數據分割成包含相等值數目的群組。 此方法最適合用於常態分布曲線，但若分布在連續資料中包含大量狹窄群組的數值，效果不佳。 例如，若一半項目成本為0，則有一半資料位於曲線的某一點下。 在這種分布中，此方法會將資料拆分，試圖建立多個區域的均勻離散化。 此過程產生了不準確的資料表徵。 |
備註
使用 EQUAL_AREAS 方法來離散字串。
CLUSTERS 方法使用隨機抽樣 1,000 筆紀錄來離散化資料。 如果你不想讓演算法取樣資料，可以用 EQUAL_AREAS 方法。
參見
內容類型（資料探勘）
內容類型（DMX）
資料探勘演算法（分析服務 - 資料探勘）
挖礦結構（分析服務-資料探勘）
資料型別（資料探勘）
採礦結構資料行
欄位分布（資料探勘）