数据挖掘

Microsoft 关联算法是指 Analysis Services 提供的关联算法，对建议引擎非常有用。建议引擎根据客户已购买的项或者客户已对其表现出兴趣的项向他们推荐产品。

Microsoft 时序算法提供了一些针对连续值（例如一段时间内的产品销售额）预测进行了优化的回归算法。虽然其他 Microsoft 算法（如决策树）也能预测趋势，但是他们需要使用其他新信息列作为输入才能进行预测

Microsoft 逻辑回归算法是 Microsoft 神经网络算法的一种变体。逻辑回归是一种众所周知的统计方法，用于对二进制结果（如 Yes-No 结果）建模。

Microsoft 线性回归算法是 Microsoft 决策树算法的一种变体，有助于计算依赖变量和独立变量之间的线性关系，然后使用该关系进行预测。

决策树算法是由 Microsoft SQL Server Analysis Services 提供的分类和回归算法，用于对离散和连续属性进行预测性建模。

“数据挖掘算法”是创建数据挖掘模型的机制。为了创建模型，算法将首先分析一组数据并查找特定模式和趋势。算法使用此分析的结果来定义挖掘模型的参数。

Microsoft SQL Server Analysis Services 的服务器组件是应用程序 msmdsrv.exe，该程序通常作为一项 Windows 服务来运行。

数据挖掘需要连接到 SQL Server Analysis Services 实例才能工作。虽然您无需创建 OLAP 多维数据集或使用 OLAP 功能即可执行数据挖掘，但是 Analysis Services 引擎提供了诸多优势（如性能和可扩展性），

数据挖掘对象在处理之前只是一个空容器。“处理”数据挖掘模型也称为“定型”。

在SQL Server 2008 Analysis Services (SSAS) 中，数据必须作为包含在事例表中的一系列事例提供给数据挖掘算法。但并非所有的事例都可以用一行数据来说明。

可以在 SQL Server 2008 Analysis Services (SSAS) 中使用建模标志为数据挖掘算法提供有关事例表中所定义数据的附加信息。

可以在 Microsoft SQL Server Analysis Services 中定义挖掘模型的已分类列，从而在该列中包含说明模型内其他列的信息。例如，您可以为模型内其他列(例如一个说明客户在一个日历年内总购物情况的列)

在 Microsoft SQL Server Analysis Services 中，可以定义挖掘结构中各列的数据类型，以便影响创建挖掘模型时算法对这些列中数据的处理方式。

Microsoft Analysis Services 使用服务器组件和客户端组件为商业智能应用程序提供数据挖掘功能：

数据挖掘过程涉及多个组件的交互。您可以访问 SQL Server 数据库中的数据源或任何其他数据源，以便用于定型、测试或预测。

数据挖掘查询任务根据 Analysis Services 内置的数据挖掘模型运行预测查询。预测查询通过使用挖掘模型来创建对新数据的预测。

使用“数据挖掘查询任务”对话框的“查询”选项卡可以基于挖掘模式创建预测查询。在此对话框中还可以将参数和结果集绑定到变量。

使用“查询生成器”对话框可以创建在执行 SQL 任务、OLE DB 源和 OLE DB 目标以及查找转换中使用的查询。

如果您具有必要的权限，可以使用 SQL Server Profiler 监视作为请求发送到 SQL Server Analysis Services 实例的数据挖掘活动。数据挖掘活动可以包括处理模型或结构

逻辑回归模型是使用带有约束模型以消除隐藏节点的参数的 Microsoft 神经网络算法创建的。因此，逻辑回归模型的总体结构几乎与神经网络的总体结构相同