Créer une structure d'exploration de données (Compléments d'exploration de données SQL Server)
Utilisez l’option Avancé dans le groupe Modélisation des données lorsque vous souhaitez créer un jeu de données utilisé pour l’analyse sans nécessairement créer de modèle. Cela est utile lorsque vous souhaitez tester différents algorithmes.
Une fois que vous avez créé la structure d’exploration de données, utilisez l’Assistant Ajouter un modèle à une structure pour créer un modèle basé sur cette structure. Vous pouvez également créer de nouveaux modèles à l’aide de l’Éditeur de requête avancé d’exploration de données.
Vous pouvez également utiliser cette option lorsque vous envisagez de créer des modèles à l’aide de l’un des algorithmes avancés, qui sont pris en charge par Analysis Services, mais qui ne sont pas disponibles via un Assistant, tels que la régression linéaire ou les clustering de séquence, ou si vous utilisez un algorithme personnalisé.
Notes
Lorsque vous créez la structure d'exploration de données, vous pouvez également créer un jeu de données de test sélectionné de façon aléatoire que pouvez utiliser pour valider tous vos modèles. Cela est pratique, car vous pouvez facilement comparer la précision du modèle par rapport à un jeu de données commun. Sélectionnez simplement l’option Fractionner les données en jeux d’entraînement et de test et spécifiez un pourcentage approprié de données à réserver pour le test, généralement autour de 30 %.
Utiliser l'Assistant pour créer une structure d'exploration de données
Dans le ruban Exploration de données , cliquez sur Avancé, puis sélectionnez Créer une structure.
Dans la boîte de dialogue Sélectionner les données sources , spécifiez la plage Excel, la table de données Excel ou la source de données externe qui contient les données que vous souhaitez utiliser pour l’analyse.
Cliquez sur Suivant.
Dans la boîte de dialogue Sélectionner des colonnes , passez en revue la liste des colonnes disponibles dans la source de données sélectionnée.
Cliquez sur la flèche à droite du nom de la colonne pour modifier l’utilisation de la colonne, en choisissant parmi ces valeurs :
Key. Chaque modèle requiert au moins une clé.
Heure clé. Cette option est disponible uniquement pour les modèles de prévision, si nécessaire.
Inclure. Indique que la colonne doit être disponible dans la structure d'exploration de données, mais n'est pas une colonne clé.
N’utilisez pas. Indique que la colonne ne doit pas être incluse dans la structure d'exploration de données.
N'oubliez pas que vous pouvez toujours ignorer des colonnes lorsque vous créez le modèle, mais pour ajouter des colonnes ultérieurement, vous devez retraiter la structure et le modèle.
Cliquez sur le bouton Parcourir (...) pour définir le type de contenu, le type de données et les indicateurs de modélisation.
Notes
Si la colonne contient des données numériques, vous devez toujours ouvrir cette boîte de dialogue pour vérifier que type de données approprié est sélectionné. Dans certains cas, même si les données d'entrée sont des nombres, vous pouvez les traiter en tant que variable catégorielle, ou valeur discrète, plutôt que nombre continu.
Par exemple, une colonne de code postal peut être répertoriée par défaut comme un type de données Long continu, mais pour obtenir de meilleurs résultats, vous pouvez spécifier qu'elle doit être gérée comme une valeur texte discrète.
Pour plus d’informations, consultez la section sur les types de contenu dans Choix des données pour l’exploration de données.
Cliquez sur OK pour fermer la boîte de dialogue.
Cliquez sur Suivant.
Selon le type de données que vous utilisez, vous pouvez exécuter l'Assistant après cette étape. Dans ce cas, passez à la page Terminer pour nommer votre structure d’exploration de données.
Pour les autres modèles, vous disposez d'une option supplémentaire permettant de créer un jeu de données de test.
Dans la boîte de dialogue Fractionner les données en jeux de données d’entraînement et de test , spécifiez comment vous souhaitez partitionner vos données. Par défaut, 30 pour cent de données sont utilisés pour le test.
Le cas échéant, tapez le nombre maximum de lignes à utiliser pour le test.
Cliquez sur Suivant.
Dans la boîte de dialogue Terminer , tapez un nom et une description pour la nouvelle structure d’exploration de données.
Cliquez sur Terminer.
Options connexes
| Option | Commentaires |
|---|---|
| Boîte de dialogue Sélectionner les données sources | Lorsque vous sélectionnez une table Excel, vous devez indiquer si les données ont déjà des en-têtes. Si vous ignorez cette opération, la première ligne de données est utilisée comme nom de colonne. Si vous utilisez l’option Source de données externe, vous pouvez utiliser n’importe quel type de données pouvant être défini dans une source de données Analysis Services. Toutefois, la boîte de dialogue du complément permettant de créer de nouvelles sources de données n’inclut pas la gamme complète des sources de données prises en charge par Analysis Services. Nous vous recommandons donc de créer les sources de données sur le serveur Analysis Services à l’avance, puis de vous connecter à l’aide des compléments. |
| Boîte de dialogue Éditeur de requête source de données | Après vous être connecté à la source de données spécifiée, ajoutez des colonnes ou créez une requête personnalisée pour générer des colonnes personnalisées. |
| Fractionner les données en jeux d'apprentissage et jeux de test | Une valeur recommandée pour l’entraînement et les jeux de test est de 70 % pour l’entraînement et de 30 % pour les tests ; Toutefois, si vous avez beaucoup de données, vous pouvez spécifier un nombre maximal de lignes à tester. |
| Boîte de dialogue Terminer | Les options d'extraction sont disponibles sur certains types de modèle et sont très utiles si vous avez inclus les colonnes de détail dans la structure d'exploration de données. Par exemple, si vous créez un modèle de clustering, vous pouvez inclure des informations telles que le nom ou l'adresse de messagerie pour l'extraction mais pas pour l'analyse, afin de simplifier le contact avec les clients dans un cluster particulier. |
Définition de l'utilisation des colonnes dans l'Assistant Création d'une structure d'exploration de données
Lorsque vous créez une nouvelle structure d'exploration de données, vous pouvez spécifier les colonnes de la source de données à y inclure, ainsi que le mode d'utilisation de ces colonnes. N'oubliez pas qu'une structure d'exploration de données peut prendre en charge plusieurs modèles d'exploration de données.
| Valeurs | Description |
|---|---|
| Inclure | Spécifie que la colonne contient des données qui peuvent être utilisées pour l'analyse ou la prédiction. |
| Clé | Spécifie que la colonne contient un ID de transaction, un ID de série ou une autre clé nécessaire au traitement. Tous les algorithmes nécessitent une colonne Clé. Certains algorithmes n'autorisent toutefois qu'une seule clé, tandis que d'autres en autorisent plusieurs. Si la colonne contient une clé mais n’est pas requise pour le traitement, sélectionnez Ne pas utiliser. |
| Temps clé | Spécifie que la colonne contient une date ou une autre valeur numérique qui peut être utilisée pour identifier de façon unique les éléments d'une série chronologique. |
| Ne pas utiliser | Spécifie que la colonne doit être ignorée. Les données de la colonne ne seront pas traitées. |
Pour traiter correctement un modèle, l'algorithme doit savoir quelle est la colonne clé qui identifie de manière unique chaque ligne, quelle est la colonne cible pour la création des prédictions si vous créez un modèle prévisible et quelles colonnes utiliser comme colonnes d'entrée pour créer les relations qui prévoient la colonne cible.
Les colonnes spécifiées comme Ne pas utiliser ne sont pas présentes dans la structure d’exploration de données.
Si vous ajoutez des colonnes inutiles ou que des valeurs sont erronées, les résultats de l'analyse peuvent en être affectés. Vous devez donc veiller à n'inclure que les colonnes pertinentes. N'oubliez toutefois pas que les colonnes que vous n'utilisez pas dans la structure d'exploration de données ne seront pas disponibles pour l'interrogation.
Les colonnes spécifiées comme type Include seront incluses dans la structure d’exploration de données et pourront être utilisées ultérieurement pour l’analyse ou la prédiction dans les modèles d’exploration de données.
Si vous n'êtes pas certain d'avoir à utiliser une colonne, vous pouvez toujours l'inclure dans la structure d'exploration de données, puis créer un modèle d'exploration de données qui ne l'utilise pas. Vous pouvez par exemple inclure une colonne de numéro de téléphone dans vos données pour référence ultérieure, mais créer un modèle de clustering qui ignore les numéros de téléphone. Une fois les clusters créés, vous pouvez créer une requête qui retourne les numéros de téléphone des personnes appartenant à un cluster donné.
Tous les algorithmes nécessitent une colonne Clé . Les valeurs de la colonne Clé doivent être uniques. Une colonne Heure clé est requise uniquement pour les modèles de prévision ou de série chronologique. .
Configuration requise
Pour créer une structure d’exploration de données, vous devez disposer d’une connexion à un instance d’Analysis Services. La connexion est requise même si vous utilisez des structures temporaires. Pour plus d’informations sur la création ou la modification d’une connexion, consultez Se connecter aux données sources (client d’exploration de données pour Excel).