Soluzioni di data mining
Si applica a:
SQL Server 2019 e versioni precedenti di Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
Importante
Il data mining è stato deprecato in SQL Server 2017 Analysis Services e ora è stato interrotto in SQL Server 2022 Analysis Services. La documentazione non viene aggiornata per le funzionalità deprecate e non più disponibili. Per altre informazioni, vedere Compatibilità con le versioni precedenti di Analysis Services.
Una soluzione di data mining è una soluzione di SQL Server Analysis Services che contiene uno o più progetti di data mining.
Gli argomenti di questa sezione forniscono informazioni su come progettare e implementare una soluzione di data mining integrata usando SQL Server SQL Server Analysis Services. Per una panoramica sul processo di progettazione dei modelli di data mining e sugli strumenti correlati, vedere Concetti di data mining.
Per altre informazioni su ulteriori tipi di progetti utili per il data mining, vedere Progetti correlati per soluzioni di data mining.
Modelli di data mining relazionali e multidimensionali
Distribuzione di soluzioni di data mining
Procedure dettagliate sulla soluzione
Modelli di data mining relazionali e multidimensionali
Una soluzione di data mining può essere basata su dati multidimensionali, ovvero un cubo esistente o su dati puramente relazionali, ad esempio le tabelle e le viste in un data warehouse o su file di testo, cartelle di lavoro di Excel o altre origini dati esterne.
È possibile creare oggetti di data mining all'interno di una soluzione di database multidimensionale esistente.
In genere una soluzione come questa verrebbe creata se è già stato creato un cubo e si desidera eseguire il data mining utilizzando il cubo come origine dati. Quando si sposta e si esegue il backup dei modelli in base a un cubo, è necessario spostare o copiare anche il cubo.
È possibile creare una soluzione di data mining che contiene solo oggetti di data mining, incluse le origini dati e le viste origine dati di supporto, e che utilizza solo origini dati relazionali.
Si tratta del metodo preferito per la creazione di modelli di data mining, in quanto l'elaborazione e l'esecuzione di query è generalmente più veloce rispetto alle origini dati relazionali. È inoltre facile spostare ed eseguire il backup dei modelli tra i server tramite i comandi EXPORT e IMPORT.
Distribuzione di soluzioni di data mining
L'istanza di SQL Server Analysis Services a cui si distribuisce la soluzione deve essere in esecuzione in modalità che supporta oggetti e oggetti di data mining multidimensionali, ovvero non è possibile distribuire oggetti di data mining in un'istanza che ospita modelli tabulari o dati powerpivot.
Pertanto, quando si crea una soluzione di data mining in Visual Studio, assicurarsi di usare il modello Progetto multidimensionale e di data mining di Analysis Services.
Quando si distribuisce la soluzione, gli oggetti usati per il data mining vengono creati nell'istanza di SQL Server Analysis Services specificata, in un database con lo stesso nome del file della soluzione.
Per altre informazioni sulla modalità di distribuzione delle soluzioni relazionali e multidimensionali, vedere Distribuzione di soluzioni di data mining.
Procedura dettagliata sulla soluzione
Vengono forniti cenni preliminari relativi alla creazione di soluzioni di data mining tramite Creazione guidata modello di data mining.
Creare una struttura di data mining relazionale
Creare una struttura di data mining da dati relazionali, file di testo e altre origini che è possibile combinare in una vista origine dati.
Create an OLAP Mining Structure
Creare una struttura di data mining basata sui dati di un cubo OLAP. È possibile salvare i modelli creati dai dati OLAP come dimensione di data mining oppure salvare il set di dati e i modelli come nuovo cubo.
Contenuto della sezione
Elaborazione di oggetti di data mining
Progetti correlati per soluzioni di data mining
Distribuzione di soluzioni di data mining
Attività e argomenti correlati
Dopo avere creato una soluzione di data mining di base, che include origini dati e una struttura di data mining, è possibile ampliarla aggiungendo nuovi modelli, eseguendo test e confrontando i modelli, creando stime e sperimentando l'utilizzo di subset di dati.
Per ulteriori informazioni, vedere i seguenti collegamenti:
| Attività | Argomenti |
|---|---|
| Eseguire test sui modelli creati, convalidare la qualità dei dati di training e creare grafici che rappresentano l'accuratezza dei modelli di data mining. | Test e convalida (Data mining) |
| Eseguire il training del modello popolando la struttura e i modelli correlati con i dati. Aggiornare ed estendere i modelli con nuovi dati. | Elaborazione di oggetti di data mining |
| Personalizzare un modello di data mining applicando filtri ai dati di training, scegliendo un algoritmo diverso o impostando parametri avanzati dell'algoritmo. | Personalizzare struttura e modelli di data mining |
| Personalizzare un modello di data mining applicando filtri ai dati utilizzati per il training del modello. | Aggiungere modelli di data mining a una struttura (Analysis Services - Data mining) |
| Aggiornare e gestire soluzioni di data mining. | Collegamento |