Data Mining-Modell-Viewer

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

Wichtig

Data Mining wurde in SQL Server 2017 Analysis Services als veraltet eingestuft und wurde jetzt in SQL Server 2022 Analysis Services eingestellt. Die Dokumentation wird für veraltete und eingestellte Features nicht aktualisiert. Weitere Informationen finden Sie unter Abwärtskompatibilität von Analysis Services.

Nachdem Sie ein Data Mining-Modell in Microsoft SQL Server SQL Server Analysis Services trainiert haben, können Sie das Modell untersuchen, um nach interessanten Trends zu suchen. Da die Ergebnisse der Miningmodelle komplex sind und es schwierig sein kann, sie im Rohzustand zu verstehen, ist eine visuelle Untersuchung der Daten häufig der einfachste Weg, die Regeln und Beziehungen zu verstehen, die Algorithmen in den Daten entdecken.

Jeder Algorithmus, den Sie zum Erstellen eines Modells verwenden, liefert jeweils einen anderen Ergebnistyp. Daher stellt SQL Server Analysis Services einen separaten Viewer für jeden Algorithmus bereit. Wenn Sie ein Miningmodell in SQL Server Data Tools durchsuchen, wird das Modell unter Verwendung des entsprechenden Viewers für das Modell auf der Registerkarte Miningmodell-Viewer des Data Mining-Designer angezeigt.

So verwenden Sie die Modell-Viewer

Wählen Sie erst das Miningmodell und anschließend einen Viewer aus. Für jedes Modell stehen stets zwei Viewer zur Verfügung: ein benutzerdefinierter Viewer, der mehrere Registerkarten umfassen kann, und der generische Viewer.

Abhängig vom Typ des Modells, das Sie ausgewählt haben, werden Ihnen sehr unterschiedliche Optionen zum Untersuchen des Modells angezeigt. Die jedem Modelltyp zugeordneten benutzerdefinierten Viewer sind auf den Algorithmus zugeschnitten, den Sie beim Erstellen des ausgewählten Data Mining-Modells verwendet haben. Jeder benutzerdefinierte Viewer verfügt über eine Vielzahl von Tools und Dialogfeldern, die Ihnen helfen, die Statistiken und Muster im Modell zu durchsuchen, Diagramme anzuzeigen, interaktiv mit Wahrscheinlichkeitsschwellenwerten zu arbeiten oder Elemente nach Namen herauszufiltern.

Das folgende Diagramm veranschaulicht den Unterschied zwischen der Auswahl eines benutzerdefinierten Viewers und des generischen Viewers für dasselbe Modell.

1. Zunächst ist der benutzerdefinierte Viewer dargestellt, der dann angezeigt wird, wenn Sie ein auf dem Microsoft Time Series-Algorithmus beruhendes Miningmodell auswählen.

   Dieser spezielle benutzerdefinierte Viewer erstellt automatisch ein Diagramm der Zeitreihe und stellt fünf Vorhersagen zur Verfügung.

2. Danach sehen Sie das gleiche Modell, das mit dem Microsoft Generic Content Tree Viewerangezeigt wird.

   Auf der linken Seite zeigt der generische Viewer eine Liste der Knoten im Modell an. Sie können auf einen Knoten klicken, um seinen Inhalt im rechten Bereich anzuzeigen.

Weitere Informationen zum Microsoft Generic Content Tree Viewer

Jedes Modell kann auch mit dem Microsoft Generic Content Tree Viewer (Data Mining) angezeigt werden. Dieser Viewer präsentiert den Inhalt des Miningmodells nach einem Standard-HTML-Tabellenformat. Die Anordnung der Knoten und der Inhalt jedes Knotens hängen jedoch sehr vom Algorithmus ab, der verwendet wird, um die Ergebnisse zu generieren.

Während die benutzerdefinierten Viewer zum Durchsuchen und Verstehen des Modells entwickelt wurden, ist der generische Viewer nützlicher, wenn Sie das Modell bereits verstehen und Statistiken oder Regeln aus einem bestimmten Knoten extrahieren möchten. Beispielsweise würden Sie den generischen Viewer verwenden, wenn Sie detaillierte Informationen zu den Mustern und Statistiken anzeigen möchten, die während der Analyse erfasst SQL Server Analysis Services, z. B. die Wahrscheinlichkeit eines Knotens oder eine Regressionsformel.

Sie können auch Inhaltsabfragen mit DMX schreiben, um sämtliche Informationen abzurufen, die in diesem Viewer präsentiert werden. Weitere Informationen finden Sie unter Inhaltsabfragen (Data Mining).

In diesem Abschnitt

In den folgenden Themen werden alle Viewer und auch die Vorgehensweise bei der Interpretation der in ihnen enthaltenen Informationen detailliert beschrieben.

Durchsuchen eines Modells mit dem Microsoft Struktur-Viewer
Beschreibt den Microsoft Tree Viewer. Dieser Viewer zeigt Miningmodelle an, die mit dem Microsoft Decision Trees-Algorithmus und dem Microsoft Linear Regression-Algorithmus erstellt wurden.

Durchsuchen eines Modells mit dem Microsoft Cluster-Viewer
Beschreibt den Microsoft Cluster Viewer. Dieser Viewer zeigt Miningmodelle an, die mit dem Microsoft Clustering-Algorithmus erstellt wurden.

Durchsuchen eines Modells mit Microsoft Time Series-Viewer
Beschreibt den Microsoft Time Series Viewer. Dieser Viewer zeigt Miningmodelle an, die mit dem Microsoft Time Series-Algorithmus erstellt wurden.

Durchsuchen eines Modells mit dem Microsoft Naive Bayes-Viewer
Beschreibt den Microsoft Naive Bayes-Viewer. Dieser Viewer zeigt Miningmodelle an, die mit dem Microsoft Naive Bayes-Algorithmus erstellt wurden.

Durchsuchen eines Modells mit dem Microsoft Sequenzcluster-Viewer
Beschreibt den Microsoft Sequence Cluster Viewer. Dieser Viewer zeigt Miningmodelle an, die mit dem Microsoft Sequence Clustering-Algorithmus erstellt wurden.

Modell mit dem Microsoft-Viewer für Zuordnungsregeln durchsuchen
Beschreibt den Microsoft Association Rules Viewer. Dieser Viewer zeigt Miningmodelle an, die mit dem Microsoft Association-Algorithmus erstellt wurden.

Modell mit dem Microsoft-Viewer für neuronale Netzwerke durchsuchen
Beschreibt den Microsoft Neural Network Viewer. Dieser Viewer zeigt Miningmodelle an, die mit dem Microsoft Neural Network-Algorithmus erstellt wurden, einschließlich Modellen, die den Microsoft Logistic Regression-Algorithmus verwenden.

Durchsuchen eines Modells mit dem Microsoft Generic Content Tree Viewer
Beschreibt die detaillierten Informationen, die im generischen Viewer für alle Data Mining-Modelle verfügbar sind, und bietet Beispiele für die Interpretation der Informationen für jeden Algorithmus.

Weitere Informationen

Data Mining-Algorithmen (Analysis Services - Data Mining)
Data Mining Designer