Processando objetos de mineração de dados

Aplica-se a: SQL Server 2019 e anteriores do Analysis Services Azure Analysis Services Fabric/Power BI Premium

Um objeto de mineração de dados é apenas um contêiner vazio até que seja processado. Oprocessamento de um modelo de mineração de dados também é chamado de treinamento.

Processando estruturas de mineração: uma estrutura de mineração obtém dados de uma fonte de dados externa, conforme definido pelas associações de coluna e pelos metadados de uso, e lê esses dados. Esses dados são totalmente lidos e, depois, analisados para se extrair diversas estatísticas. O Analysis Services armazena uma representação compacta de dados, que é adequada para a análise de algoritmos de mineração de dados, em um cache local. Você pode tanto manter esse cache com excluí-lo depois do processamento de seus modelos. Por padrão, o cache é armazenado. Para obter mais informações, consulte Processar uma estrutura de mineração.

Processando modelos de mineração: um modelo de mineração está vazio e contém apenas definições até que seja processado. Para processar um modelo de mineração, a estrutura de mineração na qual ele se baseia deve ter sido processada. O modelo de mineração obtém dados do cache da estrutura de mineração e aplica quaisquer filtros que tenham sido criados no modelo. Em seguida, ele submete o conjunto de dados ao algoritmo para detectar padrões. Depois que o modelo é processado, ele armazena apenas os resultados do processamento, e não os próprios dados. Para obter mais informações, consulte Processar um modelo de mineração.

O diagrama a seguir mostra o fluxo de dados quando uma estrutura de mineração é processada e quando um modelo de mineração é processado.

Exibindo os resultados do processamento

Após o processamento de uma estrutura de mineração, ela conterá uma representação compacta dos dados para uso em análises estatísticas. Se o cache não foi limpo, você poderá acessar os dados dos seguintes modos:

• Criando uma consulta DMX (Data Mining Extensions) no modelo e detalhando a estrutura. Para obter mais informações, confira Modelo SELECT FROM<>. CASOS (DMX).

• Procurando um modelo com base na estrutura e usando uma das opções da interface do usuário para detalhar os casos na estrutura. Para obter mais informações, consulte Visualizadores de Modelo de Mineração de Dadosou Detalhar dados de caso com base em um modelo de mineração.

• Criando uma consulta DMX nos casos da estrutura. Para obter mais informações, consulte Estrutura SELECT FROM<>. CASOS.

Após o processamento de um modelo de mineração, ele contém apenas os padrões derivados da análise e os mapeamento dos resultados do modelo com relação aos dados de treinamento armazenados em cache. Você poderá procurar ou consultar os resultados do modelo, chamados de conteúdo do modelo, ou consultar os casos da estrutura e do modelo se eles tiverem sido armazenados em cache.

O conteúdo de cada modelo de mineração depende do algoritmo que foi usado para criá-lo. Por exemplo, se você tiver um modelo de clustering e um modelo de árvores de decisão, o conteúdo deles será muito diferente, mesmo que tenham usado exatamente os mesmos dados. Para obter mais informações, consulte Conteúdo do modelo de mineração (Analysis Services – Mineração de dados).

Requisitos de processamento

Os requisitos de processamento variam de acordo com a base dos modelos de mineração: apenas dados relacionais ou uma fonte de dados multidimensional.

Na fonte de dados relacional, o processamento exige apenas a criação de dados de treinamento e a execução de algoritmos de mineração nesses dados. Entretanto, modelos de mineração baseados em objetos OLAP, como dimensões e medidas, exigem que os dados subjacentes estejam em um estado processado. Isso pode exigir que os objetos multidimensionais sejam processados para popular o modelo de mineração.

Para obter mais informações, consulte Requisitos e considerações de processamento (mineração de dados).

Consulte Também

Consultas de detalhamento (mineração de dados)
Estruturas de mineração (Analysis Services – Mineração de dados)
Modelos de mineração (Analysis Services – Mineração de Dados)
Arquitetura lógica (Analysis Services – Mineração de Dados)