Verarbeiten von Data Mining-Objekten

Ein Data Mining-Objekt ist nur ein leerer Container, bis es verarbeitet wurde. Die Verarbeitung eines Data Mining-Modells wird auch als Schulung bezeichnet.

Verarbeitung von Bergbaustrukturen: Eine Miningstruktur ruft Daten aus einer externen Datenquelle ab, wie durch die Spaltenbindungen und Nutzungsmetadaten definiert, und liest die Daten. Diese Daten werden vollständig gelesen und dann analysiert, um verschiedene Statistiken zu extrahieren. Analysis Services speichert eine kompakte Darstellung der Daten, die für die Analyse durch Data Mining-Algorithmen geeignet ist, in einem lokalen Cache. Sie können diesen Cache entweder beibehalten oder löschen, nachdem Ihre Modelle verarbeitet wurden. Standardmäßig wird der Cache gespeichert. Weitere Informationen finden Sie unter "Process a Mining Structure".

Verarbeiten von Miningmodellen: Ein Miningmodell ist leer, enthält nur Definitionen, bis es verarbeitet wird. Um ein Miningmodell zu verarbeiten, muss die Bergbaustruktur, auf der sie basiert, verarbeitet worden sein. Das Miningmodell ruft die Daten aus dem Cache der Miningstruktur ab, wendet alle Filter an, die möglicherweise für das Modell erstellt wurden, und übergibt dann den Datensatz über den Algorithmus, um Muster zu erkennen. Nachdem das Modell verarbeitet wurde, speichert das Modell nur die Ergebnisse der Verarbeitung, nicht die Daten selbst. Weitere Informationen finden Sie unter Process a Mining Model.

Das folgende Diagramm veranschaulicht den Datenfluss, wenn eine Miningstruktur verarbeitet wird und ein Miningmodell verarbeitet wird.

Anzeigen der Ergebnisse der Verarbeitung

Nachdem eine Bergbaustruktur verarbeitet wurde, enthält sie eine kompakte Darstellung der Daten zur Verwendung in der statistischen Analyse. Wenn der Cache nicht gelöscht wurde, können Sie auf folgende Weise auf die Daten in diesem Cache zugreifen:

• Erstellen einer Data Mining Extensions (DMX)-Abfrage für das Modell und Drillthrough zur Struktur. Weitere Informationen finden Sie unter SELECT FROM <model>.CASES (DMX).

• Durchsuchen eines strukturbasierten Modells und Verwenden einer der Optionen in der Benutzeroberfläche für den Detaileinblick in Strukturfälle. Weitere Informationen finden Sie unter Datenmining-Modellansichten oder Drill-Through zu Falldaten aus einem Mining-Modell.

• Erstellen einer DMX-Abfrage für die Strukturdatensätze. Weitere Informationen finden Sie unter SELECT FROM <structure>.CASES.

Nachdem ein Miningmodell verarbeitet wurde, enthält es nur die Muster, die aus der Analyse abgeleitet wurden, und Zuordnungen aus den Modellergebnissen zu den zwischengespeicherten Schulungsdaten. Sie können die Modellergebnisse durchsuchen oder abfragen, die als Modellinhalt bezeichnet werden, oder Sie können die Modell- und Strukturfälle abfragen, wenn sie zwischengespeichert wurden.

Der Modellinhalt für jedes Miningmodell hängt vom Algorithmus ab, der zum Erstellen verwendet wurde. Wenn z. B. ein Modell ein Clusteringmodell ist und ein anderes ein Entscheidungsstrukturenmodell ist, unterscheidet sich der Modellinhalt sehr, obwohl die Modelle genau dieselben Daten verwenden. Weitere Informationen finden Sie unter Mining Model Content (Analysis Services – Data Mining).

Verarbeitungsanforderungen

Die Verarbeitungsanforderungen können variieren, je nachdem, ob Ihre Miningmodelle ausschließlich auf relationalen Daten oder auf mehrdimensionalen Datenquellen basieren.

Für relationale Datenquellen erfordert die Verarbeitung nur, dass Sie Schulungsdaten erstellen und Miningalgorithmen für diese Daten ausführen. Miningmodelle, die auf OLAP-Objekten basieren, z. B. Dimensionen und Measures, erfordern jedoch, dass sich die zugrunde liegenden Daten in einem verarbeiteten Zustand befinden. Dies kann erfordern, dass die multidimensionalen Objekte verarbeitet werden, um das Miningmodell zu füllen.

Weitere Informationen finden Sie unter Verarbeitungsanforderungen und Überlegungen (Data Mining).

Siehe auch

Drillthrough-Abfragen (Data Mining)
Miningstrukturen (Analysis Services - Data Mining)
Miningmodelle für Analysis Services - Data Mining
Logische Architektur (Analysis Services - Data Mining)