Mining Model Content (Analysis Services - Data Mining)Mining Model Content (Analysis Services - Data Mining)

In seguito alla progettazione e all'elaborazione di un modello di data mining mediante i dati della struttura di data mining sottostante, il modello di data mining è completo e contiene il contenuto del modello di data mining.After you have designed and processed a mining model using data from the underlying mining structure, the mining model is complete and contains mining model content. È possibile utilizzare questo contenuto per eseguire stime o analisi di dati.You can use this content to make predictions or analyze your data.

Il contenuto del modello di data mining include i metadati relativi al modello, statistiche sui dati e modelli individuati dall'algoritmo di data mining.Mining model content includes metadata about the model, statistics about the data, and patterns discovered by the mining algorithm. A seconda dell'algoritmo utilizzato, il contenuto del modello può includere formule di regressione, le definizioni di regole e set di elementi, o pesi e altre statistiche.Depending on the algorithm that was used, the model content may include regression formulas, the definitions of rules and itemsets, or weights and other statistics.

Il contenuto del modello di data mining viene visualizzato in una struttura standard a prescindere dall'algoritmo utilizzato.Regardless of the algorithm that was used, mining model content is presented in a standard structure. È possibile esplorare la struttura tramite Microsoft Generic Content Tree Viewer in SQL Server Data Tools (SSDT)SQL Server Data Tools (SSDT)e quindi passare a un visualizzatore personalizzato per visualizzare il modo in cui le informazioni sono interpretate e visualizzate graficamente per ogni tipo di modello.You can browse the structure in the Microsoft Generic Content Tree Viewer, provided in SQL Server Data Tools (SSDT)SQL Server Data Tools (SSDT), and then switch to one of the custom viewers to see how the information is interpreted and displayed graphically for each model type. È inoltre possibile creare query sul contenuto del modello di data mining con un client che supporti il set di righe dello schema MINING_MODEL_CONTENT.You can also create queries against the mining model content by using any client that supports the MINING_MODEL_CONTENT schema rowset. Per altre informazioni, vedere Attività e procedure relative alle query di data mining.For more information, see Data Mining Query Tasks and How-tos.

In questa sezione viene illustrata la struttura di base del contenuto per tutti i tipi di modelli di data mining.This section describes the basic structure of the content provided for all kinds of mining models. Vengono descritti i tipi di nodo comuni al contenuto del modello di data mining e fornite istruzioni sull'interpretazione delle informazioni.It describes the node types that are common to all mining model content, and provides guidance on how to interpret the information.

Struttura del contenuto del modello di data miningStructure of Mining Model Content

Nodi nel contenuto del modelloNodes in the Model Content

Contenuto del modello di data mining in base al tipo di algoritmoMining Model Content by Algorithm Type

Strumenti per la visualizzazione del contenuto di un modello di data miningTools for Viewing Mining Model Content

Strumenti per l'esecuzione di query sul contenuto di un modello di data miningTools for Querying Mining Model Content

Struttura del contenuto del modello di data mining Structure of Mining Model Content

Il contenuto di ciascun modello viene presentato come una serie di nodi.The content of each model is presented as a series of nodes. Un nodo è un oggetto all'interno di un modello di data mining che contiene i metadati e le informazioni su una parte del modello.A node is an object within a mining model that contains metadata and information about a portion of the model. I nodi sono disposti in una gerarchiaNodes are arranged in a hierarchy. e la loro disposizione esatta, nonché il significato della gerarchia, dipende dall'algoritmo utilizzato.The exact arrangement of nodes in the hierarchy, and the meaning of the hierarchy, depends on the algorithm that you used. Se ad esempio si crea un modello di albero delle decisioni, il modello può contenere più alberi collegati al nodo radice del modello; se si crea un modello di rete neurale, il modello può contenere una o più reti e un nodo di statistiche.For example, if you create a decision trees model, the model can contain multiple trees, all connected to the model root; if you create a neural network model, the model may contain one or more networks, plus a statistics node.

Il primo nodo di ogni modello è denominato nodo radiceo nodo padre del modello .The first node in each model is called the root node, or the model parent node. Ogni modello dispone di un nodo radice (NODE_TYPE = 1).Every model has a root node (NODE_TYPE = 1). Il nodo radice contiene in genere alcuni metadati relativi al modello e il numero di nodi figlio, ma poche informazioni aggiuntive sui modelli individuati dal modello.The root node typically contains some metadata about the model, and the number of child nodes, but little additional information about the patterns discovered by the model.

Il numero di nodi figlio presenti nel nodo radice varia a seconda dell'algoritmo utilizzato per creare il modello.Depending on which algorithm you used to create the model, the root node has a varying number of child nodes. I nodi figlio hanno significati diversi e contengono contenuto diverso, a seconda dell'algoritmo e della profondità e complessità dei dati.Child nodes have different meanings and contain different content, depending on the algorithm and the depth and complexity of the data.

Nodi nel contenuto del modello di data mining Nodes in Mining Model Content

In un modello di data mining, un nodo è un contenitore generico in cui sono archiviate informazioni riguardanti tutto il modello o una parte di esso.In a mining model, a node is a general-purpose container that stores a piece of information about all or part of the model. La struttura di ogni nodo è sempre la stessa e contiene le colonne definite dal set di righe dello schema di data mining.The structure of each node is always the same, and contains the columns defined by the data mining schema rowset. Per altre informazioni, vedere Set di righe DMSCHEMA_MINING_MODEL_CONTENT.For more information, see DMSCHEMA_MINING_MODEL_CONTENT Rowset.

Ogni nodo include i relativi metadati, tra cui un identificatore univoco all'interno di ciascun modello, l'ID del nodo padre e il numero di nodi figlio presenti.Each node includes metadata about the node, including an identifier that is unique within each model, the ID of the parent node, and the number of child nodes that the node has. I metadati identificano il modello di appartenenza del nodo e il catalogo del database in cui è archiviato quel modello specifico.The metadata identifies the model to which the node belongs, and the database catalog where that particular model is stored. Il contenuto aggiuntivo presente nel nodo varia in base al tipo di algoritmo utilizzato per creare il modello e potrebbe includere gli elementi seguenti:Additional content provided in the node differs depending on the type of algorithm you used to create the model, and might include the following:

  • Conteggio dei case nei dati di training che supporta un determinato valore stimato.Count of cases in the training data that supports a particular predicted value.

  • Statistiche, quali media, deviazione standard o varianza.Statistics, such as mean, standard deviation, or variance.

  • Coefficienti e formule.Coefficients and formulas.

  • Definizione di regole e puntatori secondari.Definition of rules and lateral pointers.

  • Frammenti XML che descrivono una parte del modello.XML fragments that describe a portion of the model.

Elenco di tipi di nodo del contenuto di data miningList of Mining Content Node Types

Nella tabella seguente sono elencati i diversi tipi di nodo restituiti nei modelli di data mining.The following table lists the different types of nodes that are output in data mining models. Poiché ogni algoritmo elabora in modo diverso le informazioni, ciascun modello genera solo alcuni tipi specifici di nodi.Because each algorithm processes information differently, each model generates only a few specific kinds of nodes. Modificando l'algoritmo, il tipo di nodo potrebbe cambiare.If you change the algorithm, the type of nodes may change. Il contenuto di ogni nodo potrebbe inoltre cambiare se si rielabora il modello.Also, if you reprocess the model, the content of each node may change.

Nota

Se si utilizza un servizio di data mining di dati diversi o se si creano algoritmi plug-in, è possibile che i tipi di nodo personalizzati aggiuntivi potrebbero essere disponibili.If you use a different data mining service, or if you create your own plug-in algorithms, additional custom node types may be available.

ID NODE_TYPENODE_TYPE ID Etichetta del nodoNode Label Contenuto del nodoNode Contents
11 ModelloModel Metadati e nodo di contenuto radice.Metadata and root content node. Si applica a tutti i tipi di modello.Applies to all model types.
22 TreeTree Nodo radice di un albero di classificazione.Root node of a classification tree. Si applica ai modelli di albero delle decisioni.Applies to decision tree models.
33 InteriorInterior Nodo interno di divisione in un albero.Interior split node in a tree. Si applica ai modelli di albero delle decisioni.Applies to decision tree models.
44 DistribuzioneDistribution Nodo finale di un albero.Terminal node of a tree. Si applica ai modelli di albero delle decisioni.Applies to decision tree models.
55 ClusterCluster Cluster rilevato dall'algoritmo.Cluster detected by the algorithm. Si applica ai modelli di clustering e ai modelli Sequence Clustering.Applies to clustering models and sequence clustering models.
66 UnknownUnknown Tipo di nodo sconosciuto.Unknown node type.
77 ItemSetItemSet Set di elementi rilevato dall'algoritmo.Itemset detected by the algorithm. Si applica ai modelli di associazione o ai modelli Sequence Clustering.Applies to association models or sequence clustering models.
88 AssociationRuleAssociationRule Regola di associazione rilevata dall'algoritmo.Association rule detected by the algorithm. Si applica ai modelli di associazione o ai modelli Sequence Clustering.Applies to association models or sequence clustering models.
99 PredictableAttributePredictableAttribute Attributo stimabile.Predictable attribute. Si applica a tutti i tipi di modello.Applies to all model types.
1010 InputAttributeInputAttribute Attributo di input.Input attribute. Si applica ai modelli di alberi delle decisioni e Naive Bayes.Applies to decision trees and Naïve Bayes models.
1111 InputAttributeStateInputAttributeState Statistiche relative agli stati di un attributo di input.Statistics about the states of an input attribute. Si applica ai modelli di alberi delle decisioni e Naive Bayes.Applies to decision trees and Naïve Bayes models.
1313 SequenzaSequence Nodo di livello superiore per un componente del modello Markov di un cluster di sequenza.Top node for a Markov model component of a sequence cluster. Si applica ai modelli Sequence Clustering.Applies to sequence clustering models.
1414 TransitionTransition Matrice di transizione Markov.Markov transition matrix. Si applica ai modelli Sequence Clustering.Applies to sequence clustering models.
1515 TimeSeriesTimeSeries Nodo non radice di un albero di serie temporali.Non-root node of a time series tree. Si applica solo ai modelli Time Series.Applies to time series models only.
1616 TsTreeTsTree Nodo radice di un albero di serie temporali corrispondente a una serie temporale stimabile.Root node of a time series tree that corresponds to a predictable time series. Si applica ai modelli Time Series e solo se il modello è stato creato utilizzando il parametro MIXED.Applies to time series models, and only if the model was created using the MIXED parameter.
1717 NNetSubnetworkNNetSubnetwork Subnet.One sub-network. Si applica ai modelli di rete neurale.Applies to neural network models.
1818 NNetInputLayerNNetInputLayer Gruppo che contiene i nodi del livello di input.Group that contains the nodes of the input layer. Si applica ai modelli di rete neurale.Applies to neural network models.
1919 NNetHiddenLayerNNetHiddenLayer Gruppi contenenti i nodi che descrivono il livello nascosto.Groups that contains the nodes that describe the hidden layer. Si applica ai modelli di rete neurale.Applies to neural network models.
2121 NNetOutputLayerNNetOutputLayer Gruppi che contengono i nodi del livello di output.Groups that contains the nodes of the output layer. Si applica ai modelli di rete neurale.Applies to neural network models.
2121 NNetInputNodeNNetInputNode Nodo nel livello di input che corrisponde a un attributo di input con gli stati corrispondenti.Node in the input layer that matches an input attribute with the corresponding states. Si applica ai modelli di rete neurale.Applies to neural network models.
2222 NNetHiddenNodeNNetHiddenNode Nodo nel livello nascosto.Node in the hidden layer. Si applica ai modelli di rete neurale.Applies to neural network models.
2323 NNetOutputNodeNNetOutputNode Nodo nel livello di output.Node in the output layer. Questo nodo di solito corrisponde a un attributo di output e agli stati corrispondenti.This node will usually match an output attribute and the corresponding states. Si applica ai modelli di rete neurale.Applies to neural network models.
2424 NNetMarginalNodeNNetMarginalNode Statistiche marginali sul set di training.Marginal statistics about the training set. Si applica ai modelli di rete neurale.Applies to neural network models.
2525 RegressionTreeRootRegressionTreeRoot Nodo radice di un albero di regressione.Root of a regression tree. Si applica ai modelli di regressione lineare e ai modelli di albero delle decisioni che contengono attributi continui di input.Applies to linear regression models and to decision trees models that contains continuous input attributes.
2626 NaiveBayesMarginalStatNodeNaiveBayesMarginalStatNode Statistiche marginali sul set di training.Marginal statistics about the training set. Si applica ai modelli Naive Bayes.Applies to Naïve Bayes models.
2727 ArimaRootArimaRoot Nodo radice di un modello ARIMA.Root node of an ARIMA model. Si applica solo ai modelli Time Series che utilizzano l'algoritmo ARIMA.Applies to only those time series models that use the ARIMA algorithm.
2828 ArimaPeriodicStructureArimaPeriodicStructure Struttura periodica in un modello ARIMA.A periodic structure in an ARIMA model. Si applica solo ai modelli Time Series che utilizzano l'algoritmo ARIMA.Applies to only those time series models that use the ARIMA algorithm.
2929 ArimaAutoRegressiveArimaAutoRegressive Coefficiente autoregressivo per un singolo termine in un modello ARIMA.Autoregressive coefficient for a single term in an ARIMA model.

Si applica solo ai modelli Time Series che utilizzano l'algoritmo ARIMA.Applies to only those time series models that use the ARIMA algorithm.
3030 ArimaMovingAverageArimaMovingAverage Coefficiente di media mobile per un singolo termine in un modello ARIMA.Moving average coefficient for a single term in an ARIMA model. Si applica solo ai modelli Time Series che utilizzano l'algoritmo ARIMA.Applies to only those time series models that use the ARIMA algorithm.
10001000 CustomBaseCustomBase Punto iniziale dei tipi di nodo personalizzati.Starting point for custom node types. I tipi di nodo personalizzati devono essere Integer maggiori di questa costante.Custom node types must be integers greater in value than this constant. Si applica ai modelli creati tramite algoritmi plug-in personalizzati.Applies to models created by using custom plug-in algorithms.

ID, nome, didascalia e descrizione dei nodiNode ID, Name, Caption and Description

Il valore dell'ID univoco,NODE_UNIQUE_NAME, del nodo radice di qualsiasi modello è sempre uguale a 0.The root node of any model always has the unique ID (NODE_UNIQUE_NAME) of 0. Tutti gli ID dei nodi vengono assegnati automaticamente da Analysis Services e non possono essere modificati.All node IDs are assigned automatically by Analysis Services and cannot be modified.

Il nodo radice di ogni modello contiene anche i metadati di base relativi al modello.The root node for each model also contains some basic metadata about the model. Tra i metadati sono inclusi il database di Analysis Services in cui viene archiviato il modello (MODEL_CATALOG), lo schema (MODEL_SCHEMA)e il nome del modello (MODEL_NAME).This metadata includes the Analysis Services database where the model is stored (MODEL_CATALOG), the schema (MODEL_SCHEMA), and the name of the model (MODEL_NAME). Queste informazioni sono ripetute in tutti i nodi del modello, pertanto non è necessario eseguire query sul nodo radice per ottenere i metadati.However, this information is repeated in all the nodes of the model, so you do not need to query the root node to get this metadata.

Oltre al nome usato come identificatore univoco, ogni nodo dispone di un nome ,NODE_NAME,In addition to a name used as the unique identifier, each node has a name (NODE_NAME). che viene creato automaticamente dall'algoritmo a scopo di visualizzazione e non può essere modificato.This name is automatically created by the algorithm for display purposes and cannot be edited.

Nota

L'algoritmo Microsoft Clustering consente di assegnare nomi descrittivi a ogni cluster.The Microsoft Clustering algorithm allows users to assign friendly names to each cluster. Questi nomi descrittivi, tuttavia, non vengono salvati in modo permanente sul server e se si rielabora il modello l'algoritmo genera nuovi nomi per i cluster.However, these friendly names are not persisted on the server, and if you reprocess the model, the algorithm will generate new cluster names.

La didascalia e la descrizione relative a ogni nodo sono generate automaticamente dall'algoritmo e fungono da etichette per conoscere il contenuto del nodo.The caption and description for each node are automatically generated by the algorithm, and serve as labels to help you understand the content of the node. Il testo generato per ogni campo dipende dal tipo di modello.The text generated for each field depends on the model type. A volte il nome, la didascalia e la descrizione contengono esattamente la stessa stringa, ma in alcuni modelli la descrizione può contenere informazioni aggiuntive.In some cases, the name, caption, and description may contain exactly the same string, but in some models, the description may contain additional information. Per informazioni dettagliate sull'implementazione, vedere l'argomento relativo al singolo tipo di modello.See the topic about the individual model type for details of the implementation.

Nota

Il server Analysis Services supporta la ridenominazione dei nodi solo se i modelli vengono compilati tramite un algoritmo plug-in personalizzato che implementa la ridenominazione.Analysis Services server supports the renaming of nodes only if you build models by using a custom plug-in algorithm that implements renaming,. Per abilitare la ridenominazione, è necessario eseguire l'override dei metodi durante la creazione dell'algoritmo plug-in.To enable renaming, you must override the methods when you create the plug-in algorithm.

Padri, figli e cardinalità dei nodiNode Parents, Node Children, and Node Cardinality

La relazione tra nodi padre e nodi figlio in una struttura ad albero è determinata dal valore della colonna PARENT_UNIQUE_NAME.The relationship between parent and child nodes in a tree structure is determined by the value of the PARENT_UNIQUE_NAME column. Questo valore è archiviato nel nodo figlio e indica l'ID del nodo padre.This value is stored in the child node and tells you the ID of the parent node. Di seguito sono riportati alcuni esempi delle modalità di utilizzo di queste informazioni:Some examples follow of how this information might be used:

  • Se il valore della colonna PARENT_UNIQUE_NAME è NULL, il nodo è il nodo di livello superiore del modello.A PARENT_UNIQUE_NAME that is NULL means that the node is the top node of the model.

  • Se il valore di PARENT_UNIQUE_NAME è 0, il nodo deve essere un discendente diretto del nodo di livello superiore del modello.If the value of PARENT_UNIQUE_NAME is 0, the node must be a direct descendant of the top node in the model. Il valore dell'ID del nodo radice infatti è sempre 0.This is because the ID of the root node is always 0.

  • È possibile individuare discendenti o padri di un determinato nodo utilizzando funzioni in query DMX (Data Mining Extensions).You can use functions within a Data Mining Extensions (DMX) query to find descendants or parents of a particular node. Per altre informazioni sull'utilizzo di funzioni nelle query, vedere Query di data mining.For more information about using functions in queries, see Data Mining Queries.

    Il terminecardinalità fa riferimento al numero di elementi contenuti in un set.Cardinality refers to the number of items in a set. Nel contesto di un modello di data mining elaborato, la cardinalità indica il numero di figli di uno specifico nodo.In the context of a processed mining model, cardinality tells you the number of children in a particular node. Ad esempio, in presenza di un modello di albero delle decisioni con un nodo [Yearly Income] che dispone a sua volta di due nodi figlio, uno per la condizione [Yearly Income] = High e uno per la condizione [Yearly Income] = Low, il valore di CHILDREN_CARDINALITY per il nodo [Yearly Income] è uguale a 2.For example, if a decision tree model has a node for [Yearly Income], and that node has two child nodes, one for the condition [Yearly Income] = High and one for the condition, [Yearly Income] = Low, the value of CHILDREN_CARDINALITY for the [Yearly Income] node would be 2.

Nota

In Analysis ServicesAnalysis Services, durante il calcolo della cardinalità di un nodo vengono contati solo i nodi figlio immediati.In Analysis ServicesAnalysis Services, only the immediate child nodes are counted when calculating the cardinality of a node. Tuttavia, se si crea un algoritmo plug-in personalizzato, è possibile eseguire l'overload di CHILDREN_CARDINALITY per contare la cardinalità in modo diverso.However, if you create a custom plug-in algorithm, you can overload CHILDREN_CARDINALITY to count cardinality differently. L'operazione può essere utile, ad esempio, per contare il numero complessivo di discendenti, non solo i figli immediati.This may be useful, for example, if you wanted to count the total number of descendants, not just the immediate children.

Sebbene la cardinalità sia contata nello stesso modo per tutti i modelli, la modalità di interpretazione o utilizzo del valore della cardinalità varia in base al tipo di modello.Although cardinality is counted in the same way for all models, how you interpret or use the cardinality value differs depending on the model type. In un modello di clustering, ad esempio, la cardinalità del nodo di livello superiore indica il numero di transizioni trovate.For example, in a clustering model, the cardinality of the top node tells you the total number of clusters that were found. In altri tipi di modello, il valore della cardinalità può sempre essere impostato a seconda del tipo di nodo.In other types of models, cardinality may always have a set value depending on the node type. Per ulteriori informazioni sull'interpretazione della cardinalità, vedere l'argomento relativo al singolo tipo di modello.For more information about how to interpret cardinality, see the topic about the individual model type.

Nota

Alcuni modelli, quali quelli creati dall'algoritmo Microsoft Neural Network, contengono inoltre uno speciale tipo di nodo che fornisce statistiche descrittive sui dati di training per l'intero modello.Some models, such as those created by the Microsoft Neural Network algorithm, additionally contain a special node type that provides descriptive statistics about the training data for the entire model. Per definizione, questi nodi non dispongono mai di nodi figlio.By definition, these nodes never have child nodes.

node distributionNode Distribution

Nella colonna NODE_DISTRIBUTION è contenuta una tabella nidificata che fornisce importanti e dettagliate informazioni sui modelli individuati dall'algoritmo per molti nodi.The NODE_DISTRIBUTION column contains a nested table that in many nodes provides important and detailed information about the patterns discovered by the algorithm. Le statistiche esatte fornite nella tabella variano a seconda del tipo di modello, della posizione del nodo nell'albero e del fatto che l'attributo stimabile sia un valore numerico continuo o un valore discreto; possono tuttavia includere i valori minimo e massimo di un attributo, i pesi assegnati ai valori, il numero di case presenti in un nodo, i coefficienti utilizzati in una formula di regressione e misure statistiche quali deviazione standard e varianza.The exact statistics provided in this table change depending on the model type, the position of the node in the tree, and whether the predictable attribute is a continuous numeric value or a discrete value; however, they can include the minimum and maximum values of an attribute, weights assigned to values, the number of cases in a node, coefficients used in a regression formula, and statistical measures such as standard deviation and variance. Per ulteriori informazioni su come interpretare la distribuzione dei nodi, vedere l'argomento relativo al tipo specifico di modello utilizzato.For more information about how to interpret node distribution, see the topic for the specific type of model type that you are working with.

Nota

A seconda del tipo di nodo, la tabella NODE_DISTRIBUTION può essere vuota.The NODE_DISTRIBUTION table may be empty, depending on the node type. Alcuni nodi ad esempio hanno esclusivamente lo scopo di organizzare una raccolta di nodi figlio e sono i nodi figlio a contenere le statistiche dettagliate.For example, some nodes serve only to organize a collection of child nodes, and it is the child nodes that contain the detailed statistics.

Nella tabella nidificata NODE_DISTRIBUTION sono contenute sempre le colonne riportate di seguito.The nested table, NODE_DISTRIBUTION, always contains the following columns. Il contenuto di ciascuna colonna varia a seconda del tipo di modello.The content of each column varies depending on the model type. Per ulteriori informazioni su tipi di modello specifici, vedere Contenuto del modello di data mining in base al tipo di algoritmo.For more information about specific model types, see Mining Model Content by Algorithm Type.

ATTRIBUTE_NAMEATTRIBUTE_NAME
Il contenuto varia in base all'algoritmo.Content varies by algorithm. Può essere il nome di una colonna, ad esempio un attributo stimabile, una regola, un set di elementi o un'informazione interna all'algoritmo come la porzione di una formula.Can be the name of a column, such as a predictable attribute, a rule, an itemset, or a piece of information internal to the algorithm, such as part of a formula.

Questa colonna può contenere inoltre una coppia attributo-valore.This column can also contain an attribute-value pair.

ATTRIBUTE_VALUEATTRIBUTE_VALUE
Valore dell'attributo specificato in ATTRIBUTE_NAME.Value of the attribute named in ATTRIBUTE_NAME.

Se il nome dell'attributo è una colonna, nel caso più semplice ATTRIBUTE_VALUE contiene uno dei valori discreti per la colonna.If the attribute name is a column, then in the most straightforward case, the ATTRIBUTE_VALUE contains one of the discrete values for that column.

A seconda dei valori elaborati dall'algoritmo, nella colonna ATTRIBUTE_VALUE può essere presente anche un flag che indica se esiste un valore per l'attributo (Existing) o se il valore è Null (Missing).Depending on how the algorithm processes values, the ATTRIBUTE_VALUE can also contain a flag that tells you whether a value exists for the attribute (Existing), or whether the value is null (Missing).

Ad esempio, se il modello è configurato per la ricerca dei clienti che hanno acquistato almeno una volta un determinato elemento, nella colonna ATTRIBUTE_NAME potrebbe essere contenuta la coppia attributo-valore che definisce l'elemento di interesse, ad esempio Model = 'Water bottle', e nella colonna ATTRIBUTE_VALUE solo la parola chiave Existing o Missing.For example, if your model is set up to find customers who have purchased a particular item at least once, the ATTRIBUTE_NAME column might contain the attribute-value pair that defines the item of interest, such as Model = 'Water bottle', and the ATTRIBUTE_VALUE column would contain only the keyword Existing or Missing.

SUPPORTSUPPORT
Conteggio dei case che dispongono di questa coppia attributo-valore o che contengono questo set di elementi o regola.Count of the cases that have this attribute-value pair, or that contain this itemset or rule.

In generale, il valore di supporto per ogni nodo indica quanti case del set di training sono inclusi nel nodo corrente.In general, for each node, the support value tells you how many cases in the training set are included in the current node. Nella maggior parte dei tipi di modelli il supporto rappresenta il conteggio esatto dei case.In most model types, support represents an exact count of cases. I valori di supporto sono utili perché consentono di visualizzare la distribuzione dei dati all'interno dei case di training senza che sia necessario eseguire una query sui dati di training.Support values are useful because you can view the distribution of data within your training cases without having to query the training data. Questi valori vengono inoltre utilizzati dal server Analysis Services per confrontare la probabilità archiviata con la probabilità precedente in modo da determinare se l'inferenza è forte o debole.The Analysis Services server also uses these stored values to calculate stored probability versus prior probability, to determine whether inference is strong or weak.

In un albero di classificazione, ad esempio, il valore di supporto indica il numero di case che dispongono della combinazione di attributi descritta.For example, in a classification tree, the support value indicates the number of cases that have the described combination of attributes.

In un albero delle decisioni, la somma del supporto in ciascun livello dell'albero ammonta al supporto del nodo padre.In a decision tree, the sum of support at each level of a tree sums to the support of its parent node. Se, ad esempio, un modello che contiene 1200 case viene diviso equamente per genere, e quindi suddiviso equamente per tre valori di reddito: basso, medio e alto, i nodi figlio del nodo (2), ovvero i nodi (4), (5) e (6), ammontano sempre allo stesso numero di case come nodo (2).For example, if a model containing 1200 cases is divided equally by gender, and then subdivided equally by three values for Income—Low, Medium, and High—the child nodes of node (2), which are nodes (4), (5) and (6), always sum to the same number of cases as node (2).

ID e attributi del nodoNode ID and node attributes Conteggio del supportoSupport count
(1) Model root(1) Model root 12001200
(2) Gender = Male(2) Gender = Male

(3) Gender = Female(3) Gender = Female
600600

600600
(4) Gender = Male e Income = High(4) Gender = Male and Income = High

(5) Gender = Male e Income = Medium(5) Gender = Male and Income = Medium

(6) Gender = Male e Income = Low(6) Gender = Male and Income = Low
200200

200200

200200
(7) Gender = Female e Income = High(7) Gender = Female and Income = High

(8) Gender = Female e Income = Medium(8) Gender = Female and Income = Medium

(9) Gender = Female e Income = Low(9) Gender = Female and Income = Low
200200

200200

200200

Per un modello di clustering, è possibile ponderare il numero di supporto in modo da includere le probabilità di appartenenza a più cluster.For a clustering model, the number for support can be weighted to include the probabilities of belonging to multiple clusters. L'appartenenza a più cluster costituisce il metodo di clustering predefinito.Multiple cluster membership is the default clustering method. In questo scenario, poiché ogni case non appartiene necessariamente a un unico cluster, il supporto in questi modelli potrebbe non raggiungere il 100% in tutti i cluster.In this scenario, because each case does not necessarily belong to one and only one cluster, support in these models might not add up to 100 percent across all clusters.

PROBABILITYPROBABILITY
Indica la probabilità per il nodo specificato all'interno dell'intero modello.Indicates the probability for this specific node within the entire model.

La probabilità rappresenta generalmente il supporto per questo determinato valore, diviso per il totale dei case all'interno del nodo (NODE_SUPPORT).Generally, probability represents support for this particular value, divided by the total count of cases within the node (NODE_SUPPORT).

La probabilità è tuttavia leggermente adattata per eliminare distorsioni provocate da valori mancanti nei dati.However, probability is adjusted slightly to eliminate bias caused by missing values in the data.

Ad esempio, se i valori correnti per [Total Children] sono 1 e 2, si desidera evitare di creare un modello che stimi che è impossibile non avere figli oppure avere tre figli.For example, if the current values for [Total Children] are 'One' and 'Two', you want to avoid creating a model that predicts that it is impossible to have no children, or to have three children. Per assicurarsi che i valori mancanti siano improbabili ma non impossibili, l'algoritmo aggiunge sempre 1 al conteggio dei valori effettivi per qualsiasi attributo.To ensure that missing values are improbable, but not impossible, the algorithm always adds 1 to the count of actual values for any attribute.

Esempio:Example:

Probabilità per [Total Children = 1] = [Conteggio dei case in cui Total Children è uguale a 1] + 1/[Conteggio di tutti i case] + 3Probability of [Total Children = One] = [Count of cases where Total Children = One] + 1/[Count of all cases] + 3

Probabilità per [Total Children = 2] = [Conteggio dei case in cui Total Children è uguale a 2] + 1/[Conteggio di tutti i case] + 3Probability of [Total Children = Two]= [Count of cases where Total Children = Two] +1/[Count of all cases] +3

Nota

Il valore 3 dell'adattamento è calcolato aggiungendo 1 al numero complessivo di valori n esistenti.The adjustment of 3 is calculated by adding 1 to the total number of existing values, n.

Dopo l'adattamento le probabilità per tutti i valori sono ancora uguali a 1.After adjustment, the probabilities for all values still add up to 1. La probabilità per il valore senza dati (in questo esempio, [Total Children = '0', '3' o un altro valore]), inizia da un livello molto basso diverso da zero e aumenta lentamente man mano che vengono aggiunti altri case.The probability for the value with no data (in this example, [Total Children = 'Zero', 'Three', or some other value]), starts at a very low non-zero level, and rises slowly as more cases are added.

varianceVARIANCE
Indica la varianza dei valori all'interno del nodo.Indicates the variance of the values within the node. Per definizione, la varianza dei valori discreti è sempre 0.By definition, variance is always 0 for discrete values. Se il modello supporta valori continui, la varianza viene calcolata come σ (sigma), usando il denominatore n o il numero di case presenti nel nodo.If the model supports continuous values, variance is computed as σ (sigma), using the denominator n, or the number of cases in the node.

In generale, la deviazione standard,StDev, viene rappresentata tramite due definizioni:There are two definitions in general use to represent standard deviation (StDev). un metodo per il calcolo della deviazione standard prende in considerazione la distorsione, mentre l'altro calcola la deviazione standard senza utilizzare la distorsione.One method for calculating standard deviation takes into account bias, and another method computes standard deviation without using bias. In generale, gli algoritmi di data mining di Microsoft non utilizzano la distorsione durante il calcolo della deviazione standard.In general, Microsoft data mining algorithms do not use bias when computing standard deviation.

Il valore visualizzato nella tabella NODE_DISTRIBUTION costituisce il valore effettivo per gli attributi discreti e discretizzati e la media per i valori continui.The value that appears in the NODE_DISTRIBUTION table is the actual value for all discrete and discretized attributes, and the mean for continuous values.

VALUE_TYPEVALUE_TYPE
Indica il tipo di dati del valore o attributo e l'utilizzo del valore.Indicates the data type of the value or an attribute, and the usage of the value. Determinati tipi di valore si applicano solo a determinati tipi di modello:Certain value types apply only to certain model types:

ID VALUE_TYPEVALUE_TYPE ID Valore dell'etichettaValue Label Nome del tipo di valoreValue Type Name
11 MissingMissing Indica che i dati del case non contengono un valore per questo attributo.Indicates that the case data did not contain a value for this attribute. Lo stato Missing è calcolato separatamente dagli attributi con valori.The Missing state is calculated separately from attributes that have values.
22 ExistingExisting Indica che i dati del case contengono un valore per questo attributo.Indicates that the case data contains a value for this attribute.
33 ContinuoContinuous Indica che il valore dell'attributo è un valore numerico continuo che può pertanto essere rappresentato da una media, insieme alle varianza e deviazione standard.Indicates that the value of the attribute is a continuous numeric value and therefore can be represented by a mean, together with variance and standard deviation.
44 DiscreteDiscrete Indica che un valore di testo o numerico viene trattato come discreto.Indicates a value, either numeric or text, that is treated as discrete.

Nota i valori discreti possono anche essere mancanti; tuttavia, vengono gestiti in modo diverso durante l'esecuzione dei calcoli.Note Discrete values can also be missing; however, they are handled differently when making calculations. Per informazioni, vedere Valori mancanti (Analysis Services - Data mining).For information, see Missing Values (Analysis Services - Data Mining).
55 DiscretizzatoDiscretized Indica che l'attributo contiene valori numerici discretizzati.Indicates that the attribute contains numeric values that have been discretized. Il valore sarà una stringa formattata che descrive i bucket di discretizzazione.The value will be a formatted string that describes the discretization buckets.
66 ExistingExisting Indica che l'attributo dispone di valori numerici continui e che i valori sono stati forniti nei dati, a fronte di valori mancanti o derivati.Indicates that the attribute has continuous numeric values and that values have been supplied in the data, vs. values that are missing or inferred.
77 CoefficienteCoefficient Indica un valore numerico che rappresenta un coefficiente.Indicates a numeric value that represents a coefficient.

Un coefficiente è un valore che viene applicato durante il calcolo della variabile dipendente.A coefficient is a value that is applied when calculating the value of the dependent variable. Ad esempio, se il modello crea una formula di regressione che stima il reddito in base all'età, il coefficiente viene utilizzato nella formula di correlazione dell'età al reddito.For example, if your model creates a regression formula that predicts income based on age, the coefficient is used in the formula that relates age to income.
88 Miglioramento punteggioScore gain Indica un valore numerico che rappresenta il miglioramento del punteggio di un attributo.Indicates a numeric value that represents score gain for an attribute.
99 StatisticheStatistics Indica un valore numerico che rappresenta una statistica per un regressore.Indicates a numeric value that represents a statistic for a regressor.
1010 Nome univoco nodoNode unique name Indica che il valore non deve essere gestito come valore numerico o stringa, ma come l'identificatore univoco di un altro nodo di contenuto del modello.Indicates that the value should not be handled not as numeric or string, but as the unique identifier of another content node in a model.

In un modello di rete neurale, ad esempio, gli ID forniscono puntatori dai nodi presenti nel livello di output ai nodi nel livello nascosto, e dai nodi presenti nel livello nascosto ai nodi nel livello di input.For example, in a neural network model, the IDs provide pointers from nodes in the output layer to nodes in the hidden layer, and from nodes in the hidden layer to nodes in the input layer.
1111 IntercettaIntercept Indica un valore numerico che rappresenta l'intercetta in una formula di regressione.Indicates a numeric value that represents the intercept in a regression formula.
1212 PeriodicitàPeriodicity Indica che il valore denota una struttura periodica nel modello.Indicates that the value denotes a periodic structure in a model.

Si applica solo a modelli Time Series che contengono un modello ARIMA.Applies only to time series models that contain an ARIMA model.

Nota: l'algoritmo Microsoft Time Series rileva automaticamente le strutture periodiche basate sui dati di training;Note: The Microsoft Time Series algorithm automatically detects periodic structures based on the training data. pertanto le periodicità del modello finale possono includere valori di periodicità che non sono stati forniti come parametri durante la creazione del modello.As a result, the periodicities in the final model may include periodicity values that you did not provide as a parameter when creating the model.
1313 Ordine autoregressivoAutoregressive order Indica che il valore rappresenta il numero di serie autoregressive.Indicates that the value represents the number of autoregressive series.

Si applica a modelli Time Series che utilizzano l'algoritmo ARIMA.Applies to time series models that use the ARIMA algorithm.
1414 Ordine media mobileMoving average order Rappresenta un valore che indica il numero di medie mobili in una serie.Represents a value that represents the number of moving averages in a series.

Si applica a modelli Time Series che utilizzano l'algoritmo ARIMA.Applies to time series models that use the ARIMA algorithm.
1515 Ordine delle differenzeDifference order Rappresenta un valore che indica il numero di volte in cui viene differenziata la serie.Indicates that the value represents a value that indicates how many times the series is differentiated.

Si applica a modelli Time Series che utilizzano l'algoritmo ARIMA.Applies to time series models that use the ARIMA algorithm.
1616 BooleanBoolean Rappresenta un tipo booleano.Represents a Boolean type.
1717 AltroOther Rappresenta un valore personalizzato definito dall'algoritmo.Represents a custom value defined by the algorithm.
1818 Stringa visualizzabilePrerendered string Rappresenta un valore personalizzato che viene visualizzato come stringa dall'algoritmo.Represents a custom value that the algorithm renders as a string. Non è stata applicata alcuna formattazione dal modello a oggetti.No formatting was applied by the object model.

I tipi di valore derivano dall'enumerazione ADMOMD.NET.The value types are derived from the ADMOMD.NET enumeration. Per altre informazioni, vedere Microsoft.AnalysisServices.AdomdServer.MiningValueType.For more information, see Microsoft.AnalysisServices.AdomdServer.MiningValueType.

Punteggio del nodoNode Score

Il significato del punteggio del nodo varia a seconda del tipo di modello e può anche essere specifico del tipo di nodo.The meaning of the node score differs depending on the model type, and can be specific to the node type as well. Per informazioni sulla modalità di calcolo di NODE_SCORE per ogni modello e tipo di nodo, vedere Contenuto del modello di data mining in base al tipo di algoritmo.For information about how NODE_SCORE is calculated for each model and node type, see Mining Model Content by Algorithm Type.

Probabilità del nodo e probabilità marginaleNode Probability and Marginal Probability

Nel set di righe dello schema del modello di data mining sono incluse le colonne NODE_PROBABILITY e MARGINAL_PROBABILITY per tutti i tipi di modello.The mining model schema rowset includes the columns NODE_PROBABILITY and MARGINAL_PROBABILITY for all model types. Queste colonne contengono valori solo nei nodi che hanno un valore significativo di probabilità.These columns contain values only in nodes where a probability value is meaningful. Il nodo radice di un modello, ad esempio, non contiene mai un punteggio di probabilità.For example, the root node of a model never contains a probability score.

Nei nodi che forniscono punteggi di probabilità, la probabilità del nodo e le probabilità marginali costituiscono calcoli diversi.In those nodes that do provide probability scores, the node probability and marginal probabilities represent different calculations.

  • Laprobabilità marginale indica la probabilità di raggiungere il nodo dal padre.Marginal probability is the probability of reaching the node from its parent.

  • Laprobabilità del nodo indica la probabilità di raggiungere il nodo dalla radice.Node probability is the probability of reaching the node from the root.

  • Laprobabilità del nodo è sempre minore o uguale alla probabilità marginale.Node probability is always less than or equal to marginal probability.

    Ad esempio, se il popolamento di tutti i clienti in un albero delle decisioni è suddiviso equamente per genere e nessun valore è mancante, la probabilità dei nodi figlio sarà uguale a 0,5.For example, if the population of all customers in a decision tree is split equally by gender (and no values are missing), the probability of the child nodes should be .5. Si supponga ora che ognuno dei nodi di genere venga equamente diviso per i livelli di reddito: alto, medio e basso.However, suppose that each of the nodes for gender is divided equally by income levels—High, Medium, and Low. In questo caso il punteggio di MARGINAL_PROBABILITY di ciascun nodo figlio deve essere sempre 0,33, ma il valore di NODE_PROBABILTY sarà il prodotto di tutte le probabilità che conducono a quel nodo e pertanto sarà sempre inferiore al valore di MARGINAL_PROBABILITY.In this case the MARGINAL_PROBABILITY score for each child node should always be .33 but the NODE_PROBABILTY value will be the product of all probabilities leading to that node and thus always less than the MARGINAL_PROBABILITY value.

Livello e valore del nodo/attributoLevel of node/attribute and value probabilità marginaleMarginal probability probabilità del nodoNode probability
Nodo radice del modelloModel root

Tutti i clienti di destinazioneAll target customers
11 11
Clienti di destinazione suddivisi per genereTarget customers split by gender .5.5 .5.5
Clienti di destinazione suddivisi per genere, quindi suddivisi nuovamente in tre modi in base al redditoTarget customers split by gender, and split again three ways by income .33.33 .5 * .33 = .165.5 * .33 = .165

Regola del nodo e regola marginaleNode Rule and Marginal Rule

Nel set di righe dello schema del modello di data mining sono inoltre incluse le colonne NODE_RULE e MARGINAL_RULE per tutti i tipi di modello.The mining model schema rowset also includes the columns NODE_RULE and MARGINAL_RULE for all model types. Queste colonne contengono frammenti XML che è possibile utilizzare per serializzare un modello o rappresentare parti della sua struttura.These columns contain XML fragments that can be used to serialize a model, or to represent some part of the model structure. In presenza di valori non significativi le colonne di alcuni nodi possono essere vuote.These columns may be blank for some nodes, if a value would be meaningless.

I due tipi di regole XML fornite sono simili ai due tipi di valori di probabilità.Two kinds of XML rules are provided, similar to the two kinds of probability values. Il frammento XML in MARGINAL_RULE definisce l'attributo e il valore del nodo corrente, laddove il frammento XML in NODE_RULE descrive il percorso al nodo corrente dal nodo radice del modello.The XML fragment in MARGINAL_RULE defines the attribute and value for the current node, whereas the XML fragment in NODE_RULE describes the path to the current node from the model root.

Contenuto del modello di data mining in base al tipo di algoritmo Mining Model Content by Algorithm Type

Ogni algoritmo archivia tipi diversi di informazioni come parte dello schema di contenuto.Each algorithm stores different types of information as part of its content schema. L'algoritmo MicrosoftMicrosoft Clustering, ad esempio, genera una moltitudine di nodi figlio, ognuno dei quali rappresenta un possibile cluster.For example, the MicrosoftMicrosoft Clustering Algorithm generates many child nodes, each of which represents a possible cluster. Ogni nodo del cluster contiene regole che descrivono caratteristiche condivise dagli elementi presenti nel cluster.Each cluster node contains rules that describe characteristics shared by items in the cluster. L'algoritmo MicrosoftMicrosoft Linear Regression non contiene invece nodi figlio e il nodo padre del modello contiene l'equazione che descrive la relazione lineare individuata dall'analisi.In contrast, the MicrosoftMicrosoft Linear Regression algorithm does not contain any child nodes; instead, the parent node for the model contains the equation that describes the linear relationship discovered by analysis.

Nella tabella seguente vengono forniti collegamenti agli argomenti disponibili per ogni tipo di algoritmo.The following table provides links to topics for each type of algorithm.

  • Argomenti sul contenuto del modello: viene illustrato il significato di ciascun tipo di nodo per ogni tipo di algoritmo e vengono fornite istruzioni sui nodi di maggior interesse in un particolare tipo di modello.Model content topics: Explain the meaning of each node type for each algorithm type, and provide guidance about which nodes are of most interest in a particular model type.

  • Argomenti sull'esecuzione di query: vengono forniti esempi di query su un determinato tipo di modello e istruzioni su come interpretare i risultati.Querying topics: Provide examples of queries against a particular model type and guidance on how to interpret the results.

Tipo di modello o di algoritmoAlgorithm or Model Type model contentModel Content Esecuzione di query sui modelli di data miningQuerying Mining Models
Modelli Association RulesAssociation rules models Contenuto dei modelli di data mining per i modelli di associazione (Analysis Services - Data mining)Mining Model Content for Association Models (Analysis Services - Data Mining) Esempi di query sul modello di associazioneAssociation Model Query Examples
Modelli di clusteringClustering models Contenuto dei modelli di data mining per i modelli di albero delle decisioni (Analysis Services - Data mining)Mining Model Content for Decision Tree Models (Analysis Services - Data Mining) Esempi di query sul modello di clusteringClustering Model Query Examples
Modelli di albero delle decisioniDecision trees model Contenuto dei modelli di data mining per i modelli di albero delle decisioni (Analysis Services - Data mining)Mining Model Content for Decision Tree Models (Analysis Services - Data Mining) Esempi di query sul modello di alberi delle decisioniDecision Trees Model Query Examples
Modelli di regressione lineareLinear regression models Contenuto dei modelli di data mining per i modelli di regressione lineare (Analysis Services - Data mining)Mining Model Content for Linear Regression Models (Analysis Services - Data Mining) Esempi di query sul modello di regressione lineareLinear Regression Model Query Examples
Modelli di regressione logisticaLogistic regression models Contenuto dei modelli di data mining per i modelli di regressione logistica (Analysis Services - Data mining)Mining Model Content for Logistic Regression Models (Analysis Services - Data Mining) Esempi di query sul modello di regressione lineareLinear Regression Model Query Examples
Modelli Naive BayesNaïve Bayes models Contenuto dei modelli di data mining per i modelli Naive Bayes (Analysis Services - Data mining)Mining Model Content for Naive Bayes Models (Analysis Services - Data Mining) Naive Bayes Model Query ExamplesNaive Bayes Model Query Examples
Modelli di rete neuraleNeural network models Contenuto dei modelli di data mining per i modelli di rete neurale (Analysis Services - Data mining)Mining Model Content for Neural Network Models (Analysis Services - Data Mining) Esempi di query sul modello di rete neuraleNeural Network Model Query Examples
Sequence ClusteringSequence clustering Contenuto dei modelli di data mining per i modelli Sequence Clustering (Analysis Services - Data Mining)Mining Model Content for Sequence Clustering Models (Analysis Services - Data Mining) Sequence Clustering Model Query ExamplesSequence Clustering Model Query Examples
Modelli Time SeriesTime series models Contenuto dei modelli di data mining per i modelli Time Series (Analysis Services - Data mining)Mining Model Content for Time Series Models (Analysis Services - Data Mining) Time Series Model Query ExamplesTime Series Model Query Examples

Strumenti per la visualizzazione del contenuto di un modello di data mining Tools for Viewing Mining Model Content

Quando si esplora un modello in SQL Server Data Tools (SSDT)SQL Server Data Tools (SSDT), è possibile visualizzare le informazioni in Microsoft Generic Content Tree Viewer, disponibile sia in SQL Server Data Tools (SSDT)SQL Server Data Tools (SSDT) che in SQL Server Management StudioSQL Server Management Studio.When you browse or explore a model in SQL Server Data Tools (SSDT)SQL Server Data Tools (SSDT), you can view the information in the Microsoft Generic Content Tree Viewer, which is available in both SQL Server Data Tools (SSDT)SQL Server Data Tools (SSDT) and SQL Server Management StudioSQL Server Management Studio.

In MicrosoftMicrosoft Generic Content Viewer vengono visualizzati elementi quali colonne, regole, proprietà, attributi, nodi e altro contenuto del modello utilizzando le informazioni disponibili nel set di righe dello schema relativo al contenuto del modello di data mining.The MicrosoftMicrosoft Generic Content Viewer displays the columns, rules, properties, attributes, nodes, and other content from the model by using the same information that is available in the content schema rowset of the mining model. Il set di righe dello schema relativo al contenuto è un framework generico per la presentazione di informazioni dettagliate sul contenuto di un modello di data mining.The content schema rowset is a generic framework for presenting detailed information about the content of a data mining model. È possibile visualizzare il contenuto del modello in un client che supporti i set di righe gerarchici.You can view model content in any client that supports hierarchical rowsets. Il visualizzatore di SQL Server Data Tools (SSDT)SQL Server Data Tools (SSDT) presenta le informazioni in un visualizzatore di tabelle HTML che rappresenta tutti i modelli in un formato coerente e semplifica la comprensione della struttura dei modelli creati.The viewer in SQL Server Data Tools (SSDT)SQL Server Data Tools (SSDT) presents this information in an HTML table viewer that represents all models in a consistent format, making it easier to understand the structure of the models that you create. Per altre informazioni, vedere Visualizzare un modello utilizzando Microsoft Generic Content Tree Viewer.For more information, see Browse a Model Using the Microsoft Generic Content Tree Viewer.

Strumenti per l'esecuzione di query sul contenuto di un modello di data mining Tools for Querying Mining Model Content

Per recuperare il contenuto di un modello di data mining, è necessario creare una query sul modello di data mining.To retrieve mining model content, you must create a query against the data mining model.

Il modo più semplice per creare una query sul contenuto consiste nell'eseguire l'istruzione DMX seguente in SQL Server Management StudioSQL Server Management Studio:The easiest way to create a content query is to execute the following DMX statement in SQL Server Management StudioSQL Server Management Studio:

SELECT * FROM [<mining model name>].CONTENT  

Per altre informazioni, vedere Query di data mining.For more information, see Data Mining Queries.

È anche possibile eseguire una query sul contenuto del modello di data mining utilizzando i set di righe dello schema di data mining.You can also query the mining model content by using the data mining schema rowsets. Un set di righe dello schema è una struttura standard utilizzata dai client per individuare, esplorare ed eseguire query sulle informazioni relative a strutture e modelli di data mining.A schema rowset is a standard structure that clients use to discover, browse, and query information about mining structures and models. È possibile eseguire query sui set di righe dello schema tramite istruzioni XMLA, Transact-SQL o DMX.You can query the schema rowsets by using XMLA, Transact-SQL, or DMX statements.

In SQL Server 2017SQL Server 2017è inoltre possibile accedere alle informazioni sui set di righe dello schema di data mining stabilendo una connessione all'istanza di Analysis ServicesAnalysis Services ed eseguendo query sulle tabelle di sistema.In SQL Server 2017SQL Server 2017, you can also access the information in the data mining schema rowsets by opening a connection to the Analysis ServicesAnalysis Services instance and querying the system tables. Per altre informazioni, vedere Set di righe dello schema di data mining (SSAS).For more information, see Data Mining Schema Rowsets (SSAs).

Vedere ancheSee Also

Microsoft Generic Content Tree Viewer (Data mining) Microsoft Generic Content Tree Viewer (Data Mining)
Algoritmi di data mining (Analysis Services - Data mining)Data Mining Algorithms (Analysis Services - Data Mining)