Algorytmów wyszukiwania danych (Analysis Services - wyszukiwania danych)
Algorytmu wyszukiwanie danych to mechanizm, który tworzy danych model wyszukiwania.Aby utworzyć model, algorytm najpierw analizuje zestaw danych i szuka określonych wzorców i trendów.Algorytm używa wyniki tej analizy, aby zdefiniować parametry model wyszukiwania.Parametry te są następnie stosowane przez cały zestaw danych, aby wyodrębnić zaskarżeniu desenie i szczegółowe statystyki.
model wyszukiwania Że algorytm tworzy mogą mieć różne formy, w tym:
Zestaw reguł, opisujących w jaki sposób produkty są pogrupowane w transakcji.
drzewo decyzyjne prognozuje czy określonego klienta będzie kupić produkt.
Modelu matematycznego prognoz sprzedaży.
Zestaw klastrów, opisujące jak powiązane przypadków w zestawie danych.
Microsoft SQL Server Usługi Analysis Services provides several algorithms for use in your data mining solutions.Te algorytmy są podzbiór algorytmów, które mogą być używane do wyszukiwanie danych.Za pomocą algorytmów firm, które są zgodne i OLE DB dla specyfikacji wyszukiwania danych.Aby uzyskać więcej informacji na temat algorytmów firm, zobacz Dodatek plug-in algorytmy.
Typy algorytmów wyszukiwania danych
Usługi Analysis Services dostępne są następujące typy algorytmu:
Algorytmów klasyfikacji przewidywania zmiennych dyskretnych, na podstawie innych atrybutów w zestawie danych.Na przykład algorytm klasyfikacji Algorytm drzewa decyzji Microsoft.
Algorytmy regresji przewidzieć jeden lub więcej ciągłego zmiennych, takich jak zysk lub strata na podstawie innych atrybutów w zestawie danych.Przykładem algorytm regresja jest Algorytm serii Microsoft czasu.
Algorytmy segmentacji podziału danych w grupach lub klastrami towarów o podobnych właściwościach.Przykładem algorytm segmentacja jest Algorytm klastrowania Microsoft.
Algorytmy skojarzenia znaleźć korelacje między różne atrybuty w elemencie dataset.Najbardziej typowe zastosowania tego rodzaju algorytm jest do tworzenia skojarzenia reguły, które mogą być używane w analiza koszyka zakupów.Na przykład algorytm skojarzenia Algorytm skojarzenia Microsoft.
Algorytmy analizy sekwencji podsumować częste sekwencji lub odcinki w danych, takich jak przepływ ścieżka sieci Web.Przykładem algorytm analizy sekwencji jest Algorytm klastrowania Microsoft sekwencji.
Stosowanie algorytmy
Wybieranie algorytmu najlepsze dla zadań firmy może być trudne.Podczas korzystania z różnych algorytmów, do wykonania tego samego zadania biznesowe, każdy algorytm wynik różnych i niektóre algorytmy dają więcej niż jeden typ wyników.Na przykład można użyć Microsoft algorytm drzewo decyzyjne nie tylko do przewidywanie, ale w celu zmniejszenia liczby kolumn w zestawie danych, ponieważ drzewo decyzyjne można zidentyfikować kolumny, które nie mają wpływu na ostatni model wyszukiwania.
Również nie trzeba używać algorytmów niezależnie.W jednym wyszukiwanie danych rozwiązanie można eksplorować dane za pomocą niektóre algorytmy i następnie użyć innych algorytmów do przewidywania wyniku szczególnych, na podstawie tych danych.Na przykład można użyć klastrowanie algorytmu, który rozpoznaje wzorce podziału danych na grupy, które są mniej lub bardziej jednorodne, a następnie wyniki tworzyć lepsze modelu drzewo decyzyjne.Wiele algorytmów w jeden roztwór do zadań oddzielnej, na przykład przy użyciu algorytmu regresja uzyskiwania informacji finansowych prognozowania i oparte na regułach algorytm umożliwia przeprowadzenie analiza koszyka zakupów.
Górnictwo modele można prognozować wartości, produkują podsumowań danych i Znajdź ukryte korelacji.Ułatwia wybranie algorytmów rozwiązania wyszukiwanie danych, w poniższej tabela przedstawiono sugestie, algorytmów, które dla określonych zadań.
Zadanie |
Algorytmy używane Microsoft |
|---|---|
Przewidywaniu discrete atrybut. Na przykład przewidzieć, czy adresat docelowej kampanii wysyłkowych zostanie kupić produkt. |
Algorytm drzewa decyzji Microsoft Algorytm Bayes Microsoft Naive |
Przewidywaniu ciągłego atrybut. Na przykład prognozy sprzedaży na rok następny. |
|
Przewidywaniu sekwencji. Na przykład można wykonywać analiza strumienia kliknięć witryna sieci Web firmy. |
|
Znajdowanie grup typowe elementy w transakcjach. Na przykład użyć analiza koszyka zakupów sugerować dodatkowe produkty odbiorcy dla zakupu. |
|
Znajdowanie grup podobne elementy. Na przykład dane demograficzne segmentu w grupach, aby lepiej zrozumieć relacje między atrybutami. |
Ponieważ każdy model zwraca innego typu wyniku, Usługi Analysis Services zawiera podgląd oddzielnych dla każdej algorytmu.Podczas przeglądania model wyszukiwania w Usługi Analysis Services, model jest wyświetlany na model wyszukiwania Viewer kartę Designer wyszukiwania danych, który używa przeglądarkę odpowiednią dla modelu.Aby uzyskać więcej informacji, zobacz Wyświetlanie modeli wyszukiwania danych.
Szczegóły algorytmu
Poniższa tabela zawiera łącza do typów informacji dostępnych dla każdego algorytmu:
Basic algorithm description Provides a basic explanation of what the algorithm does and how it works, together with a business scenario where the algorithm might be useful.
Informacje techniczne dotyczącezawiera listę parametrów, które zestaw, aby kontrolować zachowanie algorytm i dostosować wyniki w modelu.Zapewnia dodatkowe szczegóły techniczne dotyczące stosowania algorytmu, porady dotyczące wydajności i wymogi dotyczące danych.
Badanie modeluprzykłady kwerend korzystających z każdego typu modelu.Kwerendy można modelu, aby dowiedzieć się więcej o desenie w modelu lub dokonanie prognoz opartych na tych deseni.
Górnictwo modelu zawartościopisuje, jak informacje są przechowywane w strukturze wspólne dla wszystkich typów modelu i objaśnia sposób interpretowania informacji.Po utworzeniu modelu można eksplorować modelu przy użyciu przeglądarki w BI Development Studio, lub można zapisywać kwerendy do zwracania informacji bezpośrednio z modelu zawartości za pomocą DMX.