Dostosowywanie wyszukiwania danych modelu (Analysis Services - wyszukiwania danych)

Po wybraniu algorytm, który spełnia potrzeby biznesowe można dostosować model wyszukiwania w następujący sposób potencjalnie poprawy wyniki.

• Używania różnych kolumn danych w modelu lub zmienianie zawartości lub użycie typów kolumn.

• Tworzenie filtrów model wyszukiwania ograniczyć dane używane w modelu szkolenia.

• Ustawianie parametrów algorytmu progi kontroli, podziały drzewa i inne warunki.

• Zmienić domyślny algorytm używany do analizowania danych lub tworzenie prognoz.

Zmiana danych używana przez Model

Decyzje wprowadzone informacje, które kolumny danych w modelu i jak używać i przetwarzania danych, można znacznie wpływać na wyniki analizy.Poniższe tematy zawierają informacje ułatwiające zrozumienie tych opcji.

• Górnictwo modeli (Analysis Services - wyszukiwania danych)

  Zawiera omówienie architektury modelu górnictwa, włącznie z podstawową struktura wyszukiwania i wybór kolumny górniczych.

• Tworzenie filtrów dla modeli wyszukiwania (Analysis Services - wyszukiwania danych)

  W tym artykule wyjaśniono, jak utworzyć filtry modelu górnictwa, do tworzenia modeli opartych na podzbiór struktura wyszukiwania danych.

• Zaznaczenie funkcji wyszukiwania danych.

  Wyjaśnia, jak Usługi Analysis Services używa procesu o nazwie Wybór funkcji zaznacz atrybuty najbardziej użyteczne dla dodawania do modelu.Zmniejszanie liczby kolumn i atrybuty może zwiększyć wydajność i jakość modelu.Dostępnych metod wybór funkcji różnią się w zależności od wybranego algorytmu.

Jeśli używasz Kreatora wyszukiwania danych, można mieć Usługi Analysis Services Automatyczne zaznaczanie danych, który jest najbardziej użyteczne przy tworzeniu określonego modelu.

Dostosowywanie ustawień algorytmu

Wybór algorytmu określa rodzaj wyniki zostanie wyświetlony.Aby uzyskać ogólne informacje dotyczące sposobu działania określonego algorytmu lub scenariuszy biznesowych, którym chce się skorzystać z określonego algorytmu, zobacz Algorytmów wyszukiwania danych (Analysis Services - wyszukiwania danych).

Algorytmów wyszukiwanie danych w Usługi Analysis Services są także szeroko dostosowywalne.Można kontrolować zachowanie algorytm i sposobu przetwarzania danych przez ustawienie parametrów algorytmu.Poniższe tematy zawierają szczegółowe informacje na temat parametrów obsługiwanych przez każdy algorytm.

Algorytm decyzji Microsoft drzew techniczne

Informacje techniczne algorytm klastrowania Microsoft

Algorytm Bayes Microsoft Naive techniczne

Algorytm skojarzenia Microsoft techniczne

Klastrowanie techniczne algorytm sekwencji Microsoft

Microsoft techniczne sieci neuronowe algorytmu

Microsoft regresją algorytm techniczne

Microsoft techniczne algorytm regresji liniowej

Algorytm czas Microsoft serii techniczne

Temat dla każdego typu algorytmu wyświetla również funkcje przewidywanie, używane z modeli opartych na tego algorytmu.

Lista parametrów algorytmu

Każdy algorytm obsługuje parametry, których można dostosować zachowanie algorytm i dostosowywanie wyniki modelu.Opis sposobów korzystania z każdego parametru zobacz następujące tematy:

Nazwa właściwości	Dotyczy
AUTO_DETECT_PERIODICITY	Algorytm czas Microsoft serii techniczne
CLUSTER_COUNT	Informacje techniczne algorytm klastrowania Microsoft Klastrowanie techniczne algorytm sekwencji Microsoft
CLUSTER_SEED	Informacje techniczne algorytm klastrowania Microsoft
CLUSTERING_METHOD	Informacje techniczne algorytm klastrowania Microsoft
COMPLEXITY_PENALTY	Algorytm decyzji Microsoft drzew techniczne Algorytm czas Microsoft serii techniczne
FORCED_REGRESSOR	Algorytm decyzji Microsoft drzew techniczne Microsoft techniczne algorytm regresji liniowej
FORECAST_METHOD	Algorytm czas Microsoft serii techniczne
HIDDEN_NODE_RATIO	Microsoft techniczne sieci neuronowe algorytmu
HISTORIC_MODEL_COUNT	Algorytm czas Microsoft serii techniczne
HISTORICAL_MODEL_GAP	Algorytm czas Microsoft serii techniczne
HOLDOUT_PERCENTAGE	Microsoft regresją algorytm techniczne Microsoft techniczne sieci neuronowe algorytmu Uwaga: Ten parametr jest inna niż wartość procentową wstrzymanie, którego dotyczy struktura wyszukiwania.
HOLDOUT_SEED	Microsoft regresją algorytm techniczne Microsoft techniczne sieci neuronowe algorytmu Uwaga: Ten parametr jest inna niż wartość nasion wstrzymanie, która odnosi się do struktura wyszukiwania.
INSTABILITY_SENSITIVITY	Algorytm czas Microsoft serii techniczne
MAXIMUM_INPUT_ATTRIBUTES	Informacje techniczne algorytm klastrowania Microsoft Algorytm decyzji Microsoft drzew techniczne Microsoft techniczne algorytm regresji liniowej Algorytm Bayes Microsoft Naive techniczne Microsoft techniczne sieci neuronowe algorytmu Microsoft regresją algorytm techniczne
MAXIMUM_ITEMSET_COUNT	Algorytm skojarzenia Microsoft techniczne
MAXIMUM_ITEMSET_SIZE	Algorytm skojarzenia Microsoft techniczne
MAXIMUM_OUTPUT_ATTRIBUTES	Algorytm decyzji Microsoft drzew techniczne Microsoft techniczne algorytm regresji liniowej Microsoft regresją algorytm techniczne Algorytm Bayes Microsoft Naive techniczne Microsoft techniczne sieci neuronowe algorytmu
MAXIMUM_SEQUENCE_STATES	Klastrowanie techniczne algorytm sekwencji Microsoft
MAXIMUM_SERIES_VALUE	Algorytm czas Microsoft serii techniczne
MAXIMUM_STATES	Informacje techniczne algorytm klastrowania Microsoft Microsoft techniczne sieci neuronowe algorytmu Klastrowanie techniczne algorytm sekwencji Microsoft
MAXIMUM_SUPPORT	Algorytm skojarzenia Microsoft techniczne
MINIMUM_IMPORTANCE	Algorytm skojarzenia Microsoft techniczne
MINIMUM_ITEMSET_SIZE	Algorytm skojarzenia Microsoft techniczne
MINIMUM_DEPENDENCY_PROBABILITY	Algorytm Bayes Microsoft Naive techniczne
MINIMUM_PROBABILITY	Algorytm skojarzenia Microsoft techniczne
MINIMUM_SERIES_VALUE	Algorytm czas Microsoft serii techniczne
MINIMUM_SUPPORT	Algorytm skojarzenia Microsoft techniczne Informacje techniczne algorytm klastrowania Microsoft Algorytm decyzji Microsoft drzew techniczne Klastrowanie techniczne algorytm sekwencji Microsoft Algorytm czas Microsoft serii techniczne
MISSING_VALUE_SUBSTITUTION	Algorytm czas Microsoft serii techniczne
MODELLING_CARDINALITY	Informacje techniczne algorytm klastrowania Microsoft
PERIODICITY_HINT	Algorytm czas Microsoft serii techniczne
PREDICTION_SMOOTHING	Algorytm czas Microsoft serii techniczne
SAMPLE_SIZE	Informacje techniczne algorytm klastrowania Microsoft Microsoft regresją algorytm techniczne Microsoft techniczne sieci neuronowe algorytmu
SCORE_METHOD	Algorytm decyzji Microsoft drzew techniczne
SPLIT_METHOD	Algorytm decyzji Microsoft drzew techniczne
STOPPING_TOLERANCE	Informacje techniczne algorytm klastrowania Microsoft

Dodatkowe wymagania

Wybór i przygotowanie danych jest ważną częścią procesu wyszukiwanie danych.Na przykład, algorytmy, Microsoft zawiera nie zezwalaj na zduplikowane klucze.Typ danych jest wymagana dla każdego modelu różni się w zależności od algorytmu.Aby uzyskać więcej informacji zobacz sekcję wymagania następujących tematów:

Algorytm drzewa decyzji Microsoft	Algorytm serii Microsoft czasu
Algorytm klastrowania Microsoft	Algorytm neuronowe sieci Microsoft
Algorytm Bayes Microsoft Naive	Microsoft logistyczne algorytm regresji
Algorytm skojarzenia Microsoft	Microsoft algorytm regresji liniowej
Algorytm klastrowania Microsoft sekwencji

Dostosowywanie wyników za pomocą kwerend i funkcje prognozowania

Po model został zbudowany i przetwarzane, można wyświetlić informacje, używając przeglądarki dla każdego typu modelu.Alternatywnie można napisać niestandardowych kwerend przy użyciu danych górnictwa rozszerzenia (DMX) do uzyskania bardziej zaawansowane lub szczegółowe informacje dotyczące wzorców w danych.

Informacje o tworzeniu kwerend zwracających modelu zawartości, zobacz Badanie modeli wyszukiwania danych (Analysis Services - wyszukiwania danych).

Funkcje umożliwiają rozszerzenie model wyszukiwania zwraca wyniki.Niektóre funkcje zwracają również reprezentować prawdopodobieństwo wynik lub inne wyniki statystyk.Ponadto poszczególnych algorytmy także obsługiwać dodatkowe funkcje.Na przykład, jeśli model wyszukiwania używa klastrowanie, specjalne funkcje umożliwiają znajdowanie informacji o klastrach.Jeśli model jest oparty na algorytmie szeregu czasowego, zestaw funkcji jest jednak dostępne dla dokonywania przewidywań i badanie modelu zawartości.Aby uzyskać więcej informacji zobacz temat informacje techniczne dla każdego algorytmu.

Przykłady kwerend model wyszukiwania i jak używać przewidywanie funkcji, które zostały zaprojektowane dla określonego modelu typów, zobacz Badanie modeli wyszukiwania danych (Analysis Services - wyszukiwania danych).

Zobacz listę funkcje przewidywanie, które są obsługiwane dla wszystkich typów algorytmu Mapowanie funkcji kwerendy typów (DMX).

Ocenie zmian w modelu

Kiedy eksperymentować z różnymi modelami rozwiązania problemu biznesowego lub tworzyć wariacje na modelu, trzeba miara dokładność każdego modelu i również ocenić, jak również każdego modelu odpowiedzi problemu biznesowego.Ogólne informacje dotyczące oceny modeli wyszukiwanie danych, zobacz Sprawdzanie poprawności modeli wyszukiwania danych (Analysis Services - wyszukiwania danych).Aby uzyskać więcej informacji na temat wykresu dokładności górnictwo różnych modeli, zobaczNarzędzia do tworzenia wykresów dokładności modelu (Analysis Services - wyszukiwania danych).

Zobacz także

Koncepcje

Algorytmów wyszukiwania danych (Analysis Services - wyszukiwania danych)

Fizycznej architektury (Analysis Services - wyszukiwania danych)