アルゴリズム リファレンス (Analysis Services - データ マイニング)

アルゴリズムの一般的な説明

分析タスクに適したアルゴリズムを選択し、分析の要件が満たされるようにデータを準備することは、データ マイニング プロセスの重要な手順です。次の各トピックでは、各アルゴリズムの動作の概要、アルゴリズムに適した分析タスクの例、およびシナリオでのモデルの使用方法について説明します。各トピックには要件のセクションがあり、それぞれのモデルの種類で必要となるデータの種類に関するガイドラインを確認できます。

Microsoft アソシエーション アルゴリズム

Microsoft クラスタリング アルゴリズム

Microsoft デシジョン ツリー アルゴリズム

Microsoft 線形回帰アルゴリズム

Microsoft ロジスティック回帰アルゴリズム

Microsoft Naive Bayes アルゴリズム

Microsoft ニューラル ネットワーク アルゴリズム

Microsoft シーケンス クラスタ アルゴリズム

Microsoft タイム シリーズ アルゴリズム

アルゴリズム テクニカル リファレンス

モデルの作成で使用するアルゴリズムを選択する場合、Analysis Services によって提供される既定の内容をそのまま使用することもできますが、通常は、モデルの作成方法やアルゴリズムによるデータの処理方法を必要に応じてカスタマイズします。次の各トピックでは、マイニング モデルのカスタマイズに使用できるパラメータと、各アルゴリズムの実装に関する詳細な技術情報について説明します。

Microsoft アソシエーション アルゴリズム テクニカル リファレンス

Microsoft クラスタリング アルゴリズム テクニカル リファレンス

Microsoft デシジョン ツリー アルゴリズム テクニカル リファレンス

Microsoft 線形回帰アルゴリズム テクニカル リファレンス

Microsoft ロジスティック回帰アルゴリズム テクニカル リファレンス

Microsoft Naive Bayes アルゴリズム テクニカル リファレンス

Microsoft ニューラル ネットワーク アルゴリズム テクニカル リファレンス

Microsoft シーケンス クラスタリング アルゴリズム テクニカル リファレンス

Microsoft タイム シリーズ アルゴリズム テクニカル リファレンス

モデルを構築する場合、モデルのトレーニング時に使用するデータをフィルタ処理することによって、モデルをカスタマイズし、見込まれる結果に影響を与えることができます。マイニング モデルのトレーニングとテストの際にフィルタを使用する方法の詳細については、「マイニング モデルのフィルタの作成 (Analysis Services - データ マイニング)」および「モデルの精度をグラフ化するためのツール (Analysis Services - データ マイニング)」を参照してください。

クエリおよび予測関数リファレンス

関数を使用して、マイニング モデルの結果を取得できます。予測関数では、分析で見つかったパターンと統計に関する詳細情報を提供できます。また、予測関数を使用して、予測を行ったり、確率や重要度に基づいて予測をフィルタ処理したりできます。

すべての予測関数の一覧については、「データ マイニング拡張機能 (DMX) 関数リファレンス」を参照してください。

次の表は、すべてのアルゴリズムの種類でクエリを作成するために使用できる Analysis Services の関数の一覧です。

特定のモデルの種類での予測関数の使用

関連項目

概念