Procesar objetos de minería de datos

Se aplica a: SQL Server 2019 y versiones anteriores de Analysis Services Azure Analysis Services Fabric/Power BI Premium

Importante

La minería de datos estaba en desuso en SQL Server 2017 Analysis Services y ahora se ha interrumpido en SQL Server 2022 Analysis Services. La documentación no se actualiza para las características en desuso e interrumpidas. Para más información, consulte Compatibilidad con versiones anteriores de Analysis Services.

Un objeto de minería de datos solo es un contenedor vacío hasta que se procesa. Elprocesamiento de un modelo de minería de datos también se denomina entrenamiento.

Procesar estructuras de minería de datos : una estructura de minería de datos obtiene los datos de un origen de datos externo, definido por los enlaces de columna y el uso de los metadatos, y los lee. Se leen todos los datos y, a continuación, se analizan para extraer varias estadísticas. Analysis Services almacena una representación compacta de los datos, que puede ser analizada por los algoritmos de minería de datos, en una caché local. Una vez procesados los modelos, puede conservar esta caché o eliminarla. De forma predeterminada, la caché se almacena. Para más información, consulte Process a Mining Structure.

Procesar modelos de minería de datos : un modelo de minería de datos está vacío y solo contiene definiciones, hasta que se procesa. Para procesar un modelo de minería de datos, se debe haber procesado antes la estructura de minería de datos en la que está basado. El modelo de minería de datos obtiene los datos de la caché de la estructura de minería de datos, aplica los filtros que se han creado en el modelo y, a continuación, pasa el conjunto de datos por el algoritmo para detectar patrones. Una vez procesado el modelo, éste solo almacena los resultados del procesamiento, no los propios datos. Para más información, vea Procesar un modelo de minería de datos.

El siguiente diagrama muestra el flujo de datos cuando se procesa una estructura de minería de datos y cuando se procesa un modelo de minería de datos.

Procesamiento de datos: origen para estructurar el procesamiento

Ver los resultados del procesamiento

Una vez procesada una estructura de minería de datos, esta contiene una representación compacta de los datos para usarse en el análisis estadístico. Si no se ha borrado la caché, puede tener acceso a los datos que contiene de las formas siguientes:

Una vez procesado un modelo de minería de datos, éste solo contiene los patrones derivados del análisis y las asignaciones de los resultados del modelo a los datos de entrenamiento almacenados en caché. Puede examinar o consultar los resultados del modelo, denominados contenido del modelo, o puede consultar el modelo y los casos de la estructura, si se han almacenado en caché.

El contenido del modelo para cada modelo de minería de datos depende del algoritmo usado para crearlo. Por ejemplo, si un modelo es de clústeres y otro es de árboles de decisión, el contenido del modelo es muy diferente aunque ambos usen exactamente los mismos datos. Para obtener más información, vea Contenido del modelo de minería de datos (Analysis Services - Minería de datos).

Requisitos del procesamiento de datos

Los requisitos de procesamiento pueden diferir dependiendo de si los modelos de minería de datos están basados únicamente en datos relacionales o en un origen de datos multidimensionales.

Para el origen de datos relacional, el procesamiento solo requiere que cree datos de entrenamiento y ejecute algoritmos de minería de datos en dichos datos. Sin embargo, los modelos de minería de datos basados en objetos OLAP, como dimensiones y medidas, requieren que los datos subyacentes estén en un estado procesado. Esto puede requiere que los objetos multidimensionales se procesarán para rellenar el modelo de minería de datos.

Para obtener más información, vea Requisitos y consideraciones de procesamiento (minería de datos).

Consulte también

Consultas de obtención de detalles (minería de datos)
Estructuras de minería de datos (Analysis Services - Minería de datos)
Modelos de minería de datos (Analysis Services - Minería de datos)
Arquitectura lógica (Analysis Services - Minería de datos)