SQL Server

分析管理对象 (AMO) OLAP 类可帮助您创建、修改、删除和处理多维数据集、维度以及相关对象，如关键绩效指标 (KPI)、操作和主动缓存。

使用 AMO 对数据挖掘对象进行编程非常简单直接。第一步是创建数据结构模型以支持挖掘项目。然后创建数据挖掘模型，该模型支持您要用于预测或查找数据下未看到的关系的挖掘算法。

数据挖掘类可帮助您创建、修改、删除和处理数据挖掘对象。处理数据挖掘对象包括创建数据挖掘结构、创建数据挖掘模型以及处理这些模型。

AMO 与 Microsoft SQL Server Analysis Services 体系结构中提供的其他工具和库的关联方式，以及对 AMO 中所有主要对象的概念的解释。

无论在Visual C++或Visual Basic中，我们开发数据库应用程序，都可以通过使用ODBC API直接调用SQL命令来处理数据库的数据（当然，在此之前必须通过"控制面板"中的"ODBC数据源"，建立与数据库的连接）。

在 SQL Server Analysis Services 中，Microsoft 神经网络算法组合输入属性的每个可能状态和可预测属性的每个可能状态，并使用定型数据计算概率。

Microsoft 聚类分析算法是 SQL Server 2008 Analysis Services (SSAS) 提供的分段算法。该算法使用迭代技术将数据集中的事例分组为包含类似特征的分类。在浏览数据、标识数据中的异常及创建预测时

Microsoft Naive Bayes 算法是 Microsoft SQL Server Analysis Services 提供的一种分类算法，用于预测性建模。Naive Bayes 名称派生自这样一个事实

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)