Guida di riferimento agli algoritmi (Analysis Services - Data mining)
In questa sezione sono disponibili i collegamenti agli argomenti che forniscono informazioni aggiuntive su algoritmi di data mining specifici. In questa sezione è inoltre disponibile un elenco delle funzioni che è possibile utilizzare con ogni algoritmo.
Per informazioni generali sul funzionamento degli algoritmi di data mining o sui diversi scenari aziendali in cui può rivelarsi utile l'utilizzo di un determinato algoritmo, vedere Algoritmi di data mining (Analysis Services - Data mining).
Descrizione generale degli algoritmi
La scelta dell'algoritmo appropriato per l'attività analitica e la preparazione dei dati che soddisfino i requisiti di analisi, costituiscono passaggi importanti del processo di data mining. Negli argomenti seguenti vengono fornite informazioni generali sul funzionamento di ogni algoritmo, viene illustrato un esempio di attività analitica per la quale l'algoritmo risulta appropriato e viene descritta la modalità di utilizzo del modello nello scenario. Per ogni argomento è inoltre disponibile una sezione Requisiti con le linee guida relative al tipo di dati richiesto per ogni tipo di modello.
Algoritmo Microsoft Association Rules
Algoritmo Microsoft Clustering
Algoritmo Microsoft Decision Trees
Algoritmo Microsoft Linear Regression
Algoritmo Microsoft Logistic Regression
Algoritmo Microsoft Naive Bayes
Algoritmo di Microsoft Neural Network Algorithm (Analysis Services – Data mining)
Guida di riferimento tecnico degli algoritmi
Quando si seleziona un algoritmo da utilizzare per creare un modello, è possibile accettare le impostazioni predefinite fornite da Analysis Services, sebbene in molti casi potrebbe essere necessario personalizzare la modalità di creazione del modello o la modalità con cui l'algoritmo elabora i dati. Negli argomenti seguenti vengono descritti i parametri che è possibile utilizzare per personalizzare il modello di data mining e vengono inoltre fornite informazioni tecniche dettagliate sull'implementazione di ogni algoritmo.
Riferimento tecnico per l'algoritmo Microsoft Association Rules
Riferimento tecnico per l'algoritmo Microsoft Clustering
Riferimento tecnico per l'algoritmo Microsoft Decision Trees
Riferimento tecnico per l'algoritmo Microsoft Linear Regression
Riferimento tecnico per l'algoritmo Microsoft Logistic Regression
Riferimento tecnico per l'algoritmo Microsoft Naive Bayes
Riferimento tecnico per l'algoritmo Microsoft Neural Network
Riferimento tecnico per l'algoritmo Microsoft Sequence Clustering (Analysis Services - Data mining)
Riferimento tecnico per l'algoritmo Microsoft Time Series
Quando si compila un modello, è possibile personalizzare il modello e modificare i risultati filtrando i dati utilizzati durante il training del modello. Per ulteriori informazioni sull'utilizzo dei filtri durante il training e il testing di modelli di data mining, vedere Creazione di filtri per i modelli di data mining (Analysis Services - Data mining) e Strumenti per la creazione di grafici di accuratezza dei modelli (Analysis Services - Data mining).
Guida di riferimento alle funzioni di query e di stima
È possibile utilizzare funzioni che consentono di recuperare i risultati di un modello di data mining. Una funzione di stima può fornire informazioni dettagliate su modelli e statistiche individuati nell'analisi oppure essere utilizzata per eseguire stime e il filtro di stime in base a probabilità o importanza.
Per un elenco di tutte le funzioni di stima, vedere Guida di riferimento alle funzioni DMX (Data Mining Extensions).
Nella tabella seguente vengono elencate le funzioni di Analysis Services che possono essere utilizzate per creare query su tutti i tipi di algoritmo.
|
Utilizzo di funzioni di stima con tipi di modello specifici
Poiché ogni algoritmo crea modelli diversi, sono disponibili funzioni di stima aggiuntive univoche per ogni tipo di modello. Le modalità di utilizzo delle funzioni di stima e di interpretazione dei risultati potrebbero inoltre essere diverse a seconda del modello di data mining. Per esempi sull'utilizzo di funzioni di stima per la creazione di query su tipi di modello specifici, vedere gli argomenti seguenti:
Esecuzione di query su un modello di associazione (Analysis Services - Data mining)
Esecuzione di query su un modello di clustering (Analysis Services - Data mining)
Esecuzione di query su un modello Decision Trees (Analysis Services - Data mining)
Esecuzione di una query su un modello Naive Bayes (Analysis Services - Data mining)
Esecuzione di query su un modello Linear Regression (Analysis Services - Data mining)
Esecuzione di query su un modello Logistic Regression (Analysis Services - Data mining)
Esecuzione di query su un modello di rete neurale (Analysis Services - Data mining)
Esecuzione di query su un modello Sequence Clustering (Analysis Services - Data mining)
Esecuzione di una query su un modello Time Series (Analysis Services - Data mining)