Miningmodelle (Analysis Services – Data Mining)Mining Models (Analysis Services - Data Mining)

GILT FÜR:JaSQL Server Analysis ServicesNeinAzure Analysis ServicesAPPLIES TO:yesSQL Server Analysis ServicesnoAzure Analysis ServicesEin Miningmodell wird durch Anwenden ein Algorithmus auf Daten, aber es ist mehr als einen Algorithmus oder einen metadatencontainer erstellt: Es ist ein Satz von Daten, Statistiken und Muster, die auf neuen Daten Vorhersagen zu generieren und Rückschlüsse stellen angewendet werden können Informationen über Beziehungen. A mining model is created by applying an algorithm to data, but it is more than an algorithm or a metadata container: it is a set of data, statistics, and patterns that can be applied to new data to generate predictions and make inferences about relationships.

In diesem Abschnitt werden der Aufbau und die Verwendungsweise eines Data Mining-Modells erläutert: die grundlegende Architektur von Modellen und Strukturen, die Eigenschaften von Miningmodellen sowie Verfahren zum Erstellen und Verwenden von Miningmodellen.This section explains what a data mining model is and what it can be used for: the basic architecture of models and structures, the properties of mining models, and ways to create and work with mining models.

Architektur des MiningmodellsMining Model Architecture

Definition von Data Mining-ModellenDefining Data Mining Models

MiningmodelleigenschaftenMining Model Properties

MiningmodellspaltenMining Model Columns

Verarbeiten von MiningmodellenProcessing Mining Models

Anzeigen und Abfragen von MiningmodellenViewing and Querying Mining Models

Architektur des MiningmodellsMining Model Architecture

Ein Data Mining-Modell erhält Daten aus einer Miningstruktur und analysiert diese Daten durch die Verwendung eines Data Mining-Algorithmus.A data mining model gets data from a mining structure and then analyzes that data by using a data mining algorithm. Die Miningstruktur und das Miningmodell sind separate Objekte.The mining structure and mining model are separate objects. Die Miningstruktur speichert Informationen, die die Datenquelle definieren.The mining structure stores information that defines the data source. Ein Miningmodell speichert Informationen, die aus der statistischen Verarbeitung der Daten herrühren, beispielsweise die als Ergebnis der Analyse gefundenen Muster.A mining model stores information derived from statistical processing of the data, such as the patterns found as a result of analysis.

Ein Miningmodell ist leer, bis die Daten, die von der Miningstruktur bereitgestellt werden, verarbeitet und analysiert wurden.A mining model is empty until the data provided by the mining structure has been processed and analyzed. Nachdem ein Miningmodell verarbeitet wurde, enthält es Metadaten, Ergebnisse und Bindungen zur Miningstruktur.After a mining model has been processed, it contains metadata, results, and bindings back to the mining structure.

Modell enthält Metadaten, Muster und Bindungenmodel contains metadata, patterns, and bindings

Die Metadaten legen den Namen des Modells und des Servers, auf dem es gespeichert ist, und eine Definition des Modells fest, einschließlich der Spalten aus der Miningstruktur, die bei der Erstellung des Modells herangezogen wurden, der Definitionen der Filter, die bei der Verarbeitung des Modells angewandt wurden, und eines Algorithmus, der für die Analyse der Daten verwendet wurde.The metadata specifies the name of the model and the server where it is stored, as well as a definition of the model, including the columns from the mining structure that were used in building the model, the definitions of any filters that were applied when processing the model, and the algorithm that was used to analyze the data. All diese Faktoren – von den Datenspalten und deren Datentypen über Filter bis hin zum Algorithmus – haben einen erheblichen Einfluss auf die Analyseergebnisse.All these choices—the data columns and their data types, filters, and algorithm—have a powerful influence on the results of analysis.

Sie können mehrere Modelle mithilfe der gleichen Daten erstellen und dabei Algorithmen wie den Clustering-Algorithmus, Decision Tree-Algorithmus und Naïve Bayes-Algorithmus verwenden.For example, you can use the same data to create multiple models, using perhaps a clustering algorithm, decision tree algorithm, and Naïve Bayes algorithm. Durch jeden Modelltyp wird ein anderer Satz von Mustern, Itemsets, Regeln oder Formeln erstellt, den Sie zum Generieren von Vorhersagen verwenden können.Each model type creates different set of patterns, itemsets, rules, or formulas, which you can use for making predictions. Im Allgemeinen werden die Daten von jedem Algorithmus auf unterschiedliche Weise analysiert, sodass der Inhalt des resultierenden Modells ebenfalls in unterschiedlichen Strukturen angeordnet ist.Generally each algorithm analyses the data in a different way, so the content of the resulting model is also organized in different structures. In einem Modelltyp könnten die Daten und Muster in Clusterngruppiert werden, während sie in einem anderen Modelltyp in Strukturen, Verzweigungen und Regeln angeordnet sein könnten, durch die die Daten und Muster unterteilt und definiert werden.In one type of model, the data and patterns might be grouped in clusters; in another type of model, data might be organized into trees, branches, and the rules that divide and define them.

Außerdem wird das Modell durch die Daten beeinflusst, für die es trainiert wird: Selbst Modelle, die in der gleichen Miningstruktur trainiert wurden, können unterschiedliche Ergebnisse liefern, wenn Sie die Daten unterschiedlich filtern oder während der Analyse verschiedene Ausgangswerte verwenden.The model is also affected by the data that you train it on: even models trained on the same mining structure can yield different results if you filter the data differently or use different seeds during analysis. Die tatsächlichen Daten werden jedoch nicht im Modell gespeichert, sondern befinden sich in der Miningstruktur. Im Modell werden lediglich Zusammenfassungsstatistiken gespeichert.However, the actual data is not stored in the model—only summary statistics are stored, with the actual data residing in the mining structure. Wenn Sie beim Trainieren des Modells Filter für die Daten erstellt haben, werden die Filterdefinitionen auch mit dem Modellobjekt gespeichert.If you have created filters on the data when you trained the model, the filter definitions are saved with the model object as well.

Das Modell enthält einen Satz von Bindungen, die auf die in der Miningstruktur zwischengespeicherten Daten zurückverweisen.The model does contain a set of bindings, which point back to the data cached in the mining structure. Wenn die Daten in der Struktur zwischengespeichert und nach der Verarbeitung nicht bereinigt wurden, können Sie über diese Bindungen einen Drillthrough von den Ergebnissen zu den Fällen durchführen, die die Ergebnisse unterstützen.If the data has been cached in the structure and has not been cleared after processing, these bindings enable you to drill through from the results to the cases that support the results. Die tatsächlichen Daten werden jedoch im Strukturcache, nicht im Modell, gespeichert.However, the actual data is stored in the structure cache, not in the model.

Architektur des MiningmodellsMining Model Architecture

Definition von Data Mining-ModellenDefining Data Mining Models

Ein Data Mining-Modell wird mithilfe der folgenden allgemeinen Schritte erstellt:You create a data mining model by following these general steps:

  • Erstellen Sie die zugrunde liegende Miningstruktur, und schließen Sie die Datenspalten ein, die u. U. benötigt werden.Create the underlying mining structure and include the columns of data that might be needed.

  • Wählen Sie den Algorithmus aus, der am besten für den analytischen Task geeignet ist.Select the algorithm that is best suited to the analytical task.

  • Wählen Sie die im Modell zu verwendenden Spalten aus der Struktur aus, und geben Sie deren Verwendungsweise an, z. B. welche Spalte das vorherzusagende Ergebnis enthält, welche Spalten nur für Eingaben vorgesehen sind usw.Choose the columns from the structure to use in the model, and specify how they should be used—which column contains the outcome you want to predict, which columns are for input only, and so forth.

  • Legen Sie optional Parameter fest, die die Verarbeitung durch den Algorithmus optimieren.Optionally, set parameters to fine-tune the processing by the algorithm.

  • Füllen Sie das Modell mit Daten auf, indem Sie die Struktur und das Modell verarbeiten .Populate the model with data by processing the structure and model.

    Analysis ServicesAnalysis Services stellt die folgenden Tools bereit, um die Verwaltung Ihrer Miningmodelle zu unterstützen: provides the following tools to help you manage your mining models:

  • Der Data Mining-Assistent unterstützt Sie bei der Erstellung einer Struktur und des zugehörigen Miningmodells.The Data Mining Wizard helps you create a structure and related mining model. Dies ist die leichteste Vorgehensweise.This is the easiest method to use. Der Assistent erstellt automatisch die erforderliche Miningstruktur und unterstützt Sie bei der Konfiguration der wichtigen Einstellungen.The wizard automatically creates the required mining structure and helps you with the configuration of the important settings.

  • Eine DMX CREATE MODEL-Anweisung kann verwendet werden, um ein Modell zu definieren.A DMX CREATE MODEL statement can be used to define a model. Die erforderliche Struktur wird automatisch als Teil des Prozesses erstellt. Daher können Sie eine bestehende Struktur mit dieser Methode nicht erneut verwenden.The required structure is automatically created as part of the process; therefore, you cannot reuse an existing structure with this method. Verwenden Sie diese Methode, wenn Sie bereits wissen, welches Modell Sie erstellen möchten, oder wenn Sie Skripts für Modelle schreiben möchten.Use this method if you already know exactly which model you want to create, or if you want to script models.

  • Eine DMX ALTER STRUCTURE ADD MODEL-Anweisung kann verwendet werden, um ein neues Miningmodell zu einer bestehenden Struktur hinzuzufügen.A DMX ALTER STRUCTURE ADD MODEL statement can be used to add a new mining model to an existing structure. Verwenden Sie diese Methode, wenn Sie mit unterschiedlichen Modellen experimentieren möchten, die auf dem gleichen Dataset basieren.Use this method if you want to experiment with different models that are based on the same data set.

    Darüber hinaus können Sie Miningmodelle programmgesteuert über AMO oder XML/A oder über den Einsatz anderer Clients, wie dem Data Mining-Client für Excel, erstellen.You can also create mining models programmatically, by using AMO or XML/A, or by using other clients such as the Data Mining Client for Excel. Weitere Informationen finden Sie in folgenden Themen:For more information, see the following topics:

    Architektur des MiningmodellsMining Model Architecture

MiningmodelleigenschaftenMining Model Properties

Jedes Miningmodell verfügt über Eigenschaften, die das Modell und seine Metadaten definieren.Each mining model has properties that define the model and its metadata. Hierzu gehören Name, Beschreibung, Datum der letzten Verarbeitung des Modells, Berechtigungen für das Modell und Filter für die zum Trainieren verwendeten Daten.These include the name, description, the date the model was last processed, permissions on the model, and any filters on the data that is used for training.

Jedes Miningmodell verfügt darüber hinaus über Eigenschaften, die sich aus der Miningstruktur ableiten und die vom Modell verwendeten Datenspalten beschreiben.Each mining model also has properties that are derived from the mining structure, and that describe the columns of data used by the model. Wenn eine vom Modell verwendete Spalte eine geschachtelte Tabelle ist, kann auf die Spalte auch ein separater Filter angewendet werden.If any column used by the model is a nested table, the column can also have a separate filter applied.

Zusätzlich enthält jedes Miningmodell zwei besondere Eigenschaften: Algorithm und Usage.In addition, each mining model contains two special properties: Algorithm and Usage.

  • Algorithmus-Eigenschaft Legt den Algorithmus fest, der zur Erstellung des Modells verwendet wird.Algorithm property Specifies the algorithm that is used to create the model. Die verfügbaren Algorithmen hängen von Ihrem Anbieter ab.The algorithms that are available depend on the provider that you are using. Eine Liste der in SQL ServerSQL Server Analysis ServicesAnalysis Servicesenthaltenen Algorithmen finden Sie unter Data Mining-Algorithmen (Analysis Services – Data Mining).For a list of the algorithms that are included with SQL ServerSQL Server Analysis ServicesAnalysis Services, see Data Mining Algorithms (Analysis Services - Data Mining). Die Algorithm -Eigenschaft gilt für das Miningmodell und kann für jedes Modell nur einmal festgelegt werden.The Algorithm property applies to the mining model and can be set only one time for each model. Sie können den Algorithmus zu einem späteren Zeitpunkt ändern, aber einige Spalten im Miningmodell werden möglicherweise ungültig, wenn sie vom ausgewählten Algorithmus nicht unterstützt werden.You can change the algorithm later but some columns in the mining model might become invalid if they are not supported by the algorithm that you choose. Nachdem diese Eigenschaft geändert wurde, muss das Modell immer erneut verarbeitet werden.You must always reprocess the model following a change to this property.

  • Usage-Eigenschaft Definiert die Verwendung der einzelnen Spalten durch das Modell.Usage property Defines how each column is used by the model. Sie können die Spaltenverwendung als Input, Predict, Predict Onlyoder Key.You can define the column usage as Input, Predict, Predict Only, or Key. Die Usage -Eigenschaft gilt für einzelne Spalten des Miningmodells und muss für jede in einem Modell enthaltene Spalte separat festgelegt werden.The Usage property applies to individual mining model columns and must be set individually for every column that is included in a model. Wenn die Struktur eine Spalte enthält, die Sie im Modell nicht verwenden möchten, wird die Verwendung auf Ignorefestgelegt.If the structure contains a column that you do not use in the model, the usage is set to Ignore. Beispiele für Daten, die Sie zwar in die Miningstruktur einschließen können, in der Analyse u. U. jedoch nicht verwenden, sind Kundennamen oder E-Mail-Adressen.Examples of data that you might include in the mining structure but not use in analysis might be customer names or e-mail addresses. Auf diese Weise können sie später abgefragt werden, ohne sie in der Analysephase zu berücksichtigen.This way you can query them later without having to include them during the analysis phase.

    Sie können die Werte der Eigenschaften des Miningmodells nach der Erstellung eines Miningmodells ändern.You can change the value of mining model properties after you create a mining model. Allerdings erfordert jede Änderung, auch die des Namens des Miningmodells, eine erneute Verarbeitung des Modells.However, any change, even to the name of the mining model, requires that you reprocess the model. Nachdem Sie das Modell erneut verarbeitet haben, sehen Sie möglicherweise andere Ergebnisse.After you reprocess the model, you might see different results.

    Architektur des MiningmodellsMining Model Architecture

MiningmodellspaltenMining Model Columns

Das Miningmodell enthält Datenspalten, die aus den in der Miningstruktur definierten Spalten abgerufen werden.The mining model contains columns of data that are obtained from the columns defined in the mining structure. Sie können auswählen, welche Spalten aus der Miningstruktur im Modell verwendet werden sollen, und Kopien der Miningstrukturspalten erstellen und diese dann umbenennen oder ihre Verwendungsart ändern.You can choose which columns from the mining structure to use in the model, and you can create copies of the mining structure columns and then rename them or change their usage. Zusätzlich müssen Sie bei der Modellerstellung festlegen, auf welche Weise die Spalte vom Modell verwendet wird.As part of the model building process, you must also define the usage of the column by the model. Dazu gehören beispielsweise folgende Informationen: ob die Spalte ein Schlüssel ist, ob sie für Vorhersagen verwendet wird oder ob sie vom Algorithmus ignoriert werden kann.That includes such information as whether the column is a key, whether it is used for prediction, or whether it can be ignored by the algorithm.

Es wird empfohlen, während der Modellerstellung nicht jede verfügbare Datenspalte automatisch hinzuzufügen, sondern die Daten in der Struktur sorgfältig daraufhin zu überprüfen, ob sie für die Analyse geeignet sind, und nur diese Spalten in das Modell einzuschließen.While you are building a model, rather than automatically adding every column of data that is available, it is recommended that you review the data in the structure carefully and include in the model only those columns that make sense for analysis. Beispielsweise sollten Sie nicht mehrere Spalten mit den gleichen Daten einschließen und keine Spalten verwenden, die größtenteils eindeutige Werte enthalten.For example, you should avoid including multiple columns that repeat the same data, and you should avoid using columns that have mostly unique values. Wenn Sie der Meinung sind, dass eine Spalte nicht verwendet werden sollte, müssen Sie diese nicht aus der Miningstruktur oder dem Miningmodell löschen, sondern können stattdessen die Spalte mit einem Flag versehen, das festlegt, dass diese Spalte bei der Erstellung des Modells ignoriert werden soll.If you think a column should not be used, you do not need to delete it from the mining structure or mining model; instead, you can just set a flag on the column that specifies that it should be ignored when building the model. Dies bedeutet, dass die Spalte in der Miningstruktur verbleibt, im Miningmodell jedoch nicht verwendet wird.This means that the column will remain in the mining structure, but will not be used in the mining model. Wenn Sie Drillthroughs vom Modell zur Miningstruktur aktiviert haben, können Sie die Informationen später aus der Spalte abrufen.If you have enabled drillthrough from the model to the mining structure, you can retrieve the information from the column later.

Abhängig vom ausgewählten Algorithmus können einige Spalten in der Miningstruktur inkompatibel mit bestimmten Modelltypen sein oder keine zufrieden stellenden Ergebnisse liefern.Depending on which algorithm you choose, some columns in the mining structure might be incompatible with certain model types, or might give you poor results. Wenn die Daten z. B. kontinuierliche numerische Daten, wie eine Spalte Income, enthalten und das Modell diskrete Werte erfordert, müssen Sie die Daten u. U. in diskrete Bereiche konvertieren oder aus dem Modell entfernen.For example, if your data contains continuous numeric data, such as an Income column, and your model requires discrete values, you might need to convert the data to discrete ranges or remove it from the model. In einigen Fällen werden die Daten vom Algorithmus automatisch konvertiert oder ausgeschlossen, die Ergebnisse dürften jedoch nicht immer Ihren Erwartungen entsprechen.In some cases the algorithm will automatically convert or bin the data for you, but the results might not always be what you want or expect. Sie haben die Möglichkeit, zusätzliche Kopien der Spalte zu erstellen und unterschiedliche Modelle auszuprobieren.Consider making additional copies of the column and trying out different models. Sie können auch Flags für die einzelnen Spalten festlegen, um anzugeben, bei welcher Spalte eine spezielle Verarbeitung erforderlich ist.You can also set flags on the individual columns to indicate where special processing is required. Wenn die Daten z. B. NULL-Werte enthalten, können Sie die Behandlung mithilfe eines Modellierungsflags steuern.For example, if your data contains nulls, you can use a modeling flag to control handling. Wenn eine bestimmte Spalte in einem Modell als Regressor betrachtet werden soll, können Sie dazu ein Modellierungsflag verwenden.If you want a particular column to be considered as a regressor in a model you can do that with a modeling flag.

Nach der Erstellung des Modells können Sie Änderungen vornehmen. Hierzu gehören zum Beispiel das Hinzufügen oder Löschen von Spalten oder das Ändern des Modellnamens.After you have created the model, you can make changes such as adding or removing columns, or changing the name of the model. Allerdings erfordern alle Änderungen, auch solche, die ausschließlich an den Modellmetadaten vorgenommen werden, eine erneute Verarbeitung des Modells.However, any change, even only to the model metadata, requires that you reprocess the model.

Architektur des MiningmodellsMining Model Architecture

Verarbeiten von MiningmodellenProcessing Mining Models

Beim Data Mining-Modell handelt es sich bis zu seiner Verarbeitung um ein leeres Objekt.A data mining model is an empty object until it is processed. Bei der Verarbeitung eines Modells werden die Daten, die von der Struktur zwischengespeichert werden, durch einen Filter geschickt, falls einer im Modell definiert wurde, und durch den Algorithmus analysiert.When you process a model, the data that is cached by the structure is passed through a filter, if one has been defined in the model, and is analyzed by the algorithm. Der Algorithmus berechnet Zusammenfassungsstatistiken zur Beschreibung der Daten, identifiziert die Regeln und Muster innerhalb der Daten und verwendet diese dann zum Auffüllen des Modells.The algorithm computes a set of summary statistics that describes the data, identifies the rules and patterns within the data, and then uses these rules and patterns to populate the model.

Nach der Verarbeitung enthält das Miningmodell zahlreiche Informationen zu den in der Analyse gefundenen Daten und Mustern, einschließlich Statistiken, Regeln und Regressionsformeln.After it has been processed, the mining model contains a wealth of information about the data and the patterns found through analysis, including statistics, rules, and regression formulas. Sie können diese Informationen mithilfe der benutzerdefinierten Viewer durchsuchen oder Data Mining-Abfragen erstellen, um die Informationen abzurufen und zu Analyse- und Präsentationszwecken zu verwenden.You can use the custom viewers to browse this information, or you can create data mining queries to retrieve this information and use it for analysis and presentation.

Architektur des MiningmodellsMining Model Architecture

Anzeigen und Abfragen von MiningmodellenViewing and Querying Mining Models

Nach der Verarbeitung eines Modells können Sie es mithilfe der in SQL Server Data Tools (SSDT)SQL Server Data Tools (SSDT) oder SQL Server Management StudioSQL Server Management Studioverfügbaren benutzerdefinierten Viewer durchsuchen.After you have processed a model, you can explore it by using the custom viewers that are provided in SQL Server Data Tools (SSDT)SQL Server Data Tools (SSDT) and SQL Server Management StudioSQL Server Management Studio. FürFor

Darüber hinaus können Sie Abfragen des Miningmodells erstellen, um entweder Vorhersagen zu treffen oder Modellmetadaten oder vom Modell erstellte Muster abzufragen.You can also create queries against the mining model either to make predictions, or to retrieve model metadata or the patterns created by the model. Abfragen werden über Data Mining-Erweiterungen (DMX; Data Mining Extensions) erstellt.You create queries by using Data Mining Extensions (DMX).

ThemaTopics LinksLinks
Hier erfahren Sie, wie Miningstrukturen erstellt werden, die mehrere Miningmodelle unterstützen.Learn how to build mining structures that can support multiple mining models. Informationen zur Verwendung von Spalten in Modellen.Learn about the usage of columns in models. MiningstrukturspaltenMining Structure Columns

MiningmodellspaltenMining Model Columns

Inhaltstypen (Data Mining)Content Types (Data Mining)
Hier erhalten Sie Informationen zu den verschiedenen Algorithmen und erfahren, wie sich die Auswahl des Algorithmus auf den Modellinhalt auswirkt.Learn about different algorithms, and how the choice of algorithm affects the model content. Miningmodellinhalt (Analysis Services – Data Mining)Mining Model Content (Analysis Services - Data Mining)

Data Mining-Algorithmen (Analysis Services – Data Mining)Data Mining Algorithms (Analysis Services - Data Mining)
Hier erfahren Sie, wie Eigenschaften für das Modell festgelegt werden, die dessen Zusammensetzung und Verhalten beeinflussen.Learn now you can set properties on the model that affects its composition and behavior. MiningmodelleigenschaftenMining Model Properties

Modellierungsflags (Data Mining)Modeling Flags (Data Mining)
Informationen zu programmierbaren Schnittstellen für das Data Mining.Learn about the programmable interfaces for data mining. Entwickeln mit Analysis Management Objects (AMO)Developing with Analysis Management Objects (AMO)

Data Mining-Erweiterungen (DMX) – ReferenzData Mining Extensions (DMX) Reference
Informationen zur Verwendung der benutzerdefinierten Data Mining-Viewer in Analysis ServicesAnalysis Services.Learn how to use the custom data mining viewers in Analysis ServicesAnalysis Services. Data Mining-Modell-ViewerData Mining Model Viewers
Beispiele für verschiedene Abfragetypen, die für Data Mining-Modelle verwendet werden können.View examples of the different types of queries that you can use against data mining models. Data Mining-AbfrageData Mining Queries

Über die folgenden Links erhalten Sie spezifischere Informationen zur Verwendung von Data Mining-Modellen.Use the following links to get more specific information about working with data mining models

TaskTask LinkLink
Hinzufügen und Löschen von MiningmodellenAdd and delete mining models Hinzufügen eines Miningmodells zu einer vorhandenen MiningstrukturAdd a Mining Model to an Existing Mining Structure

Löschen eines Miningmodells aus einer MiningstrukturDelete a Mining Model from a Mining Structure
Arbeiten mit MiningmodellspaltenWork with mining model columns Ausschließen einer Spalte aus einem MiningmodellExclude a Column from a Mining Model

Erstellen eines Alias für eine ModellspalteCreate an Alias for a Model Column

Ändern der Diskretisierung von Spalten in einem MiningmodellChange the Discretization of a Column in a Mining Model

Bestimmen einer in einem Modell als Regressor zu verwendenden SpalteSpecify a Column to Use as Regressor in a Model
Ändern von ModelleigenschaftenAlter model properties Ändern der Eigenschaften eines MiningmodellsChange the Properties of a Mining Model

Anwenden eines Filters auf ein MiningmodellApply a Filter to a Mining Model

Löschen eines Filters aus einem MiningmodellDelete a Filter from a Mining Model

Aktivieren von Drillthrough für ein MiningmodellEnable Drillthrough for a Mining Model

Anzeigen oder Ändern von AlgorithmusparameternView or Change Algorithm Parameters
Kopieren,Copy. Verschieben oder Verwalten von Modellenmove, or manage models Erstellen einer Kopie eines MiningmodellsMake a Copy of a Mining Model

Kopieren einer Sicht eines MiningmodellsCopy a View of a Mining Model

EXPORT (DMX)EXPORT (DMX)

IMPORT (DMX)IMPORT (DMX)
Auffüllen von Modellen mit Daten oder Aktualisieren von Daten in einem ModellPopulate models with data, or update data in a model Verarbeiten eines MiningmodellsProcess a Mining Model
Arbeiten mit OLAP-ModellenWork with OLAP models Erstellen einer Data Mining-DimensionCreate a Data Mining Dimension

Siehe auchSee Also

Datenbankobjekte (Analysis Services – Mehrdimensionale Daten)Database Objects (Analysis Services - Multidimensional Data)