Agregar modelo a estructura (Complementos de minería de datos para Excel)

Al hacer clic en Agregar modelo a estructura, se inicia un asistente que le ayuda a crear un nuevo modelo de minería de datos para usarlo con una estructura de minería de datos existente. Esta opción es útil porque permite comparar modelos basados en los mismos datos o crear modelos personalizados.

Si la instancia de Analysis Services aún no contiene los datos que necesita, use el asistente Crear estructura de minería de datos (SQL Server complementos de minería de datos) para configurar una estructura de minería de datos. O bien, puede iniciar uno de los asistentes de modelado y agregar después un modelo nuevo a la estructura creada por el asistente.

Para crear modelos avanzados mediante algoritmos no admitidos por los asistentes, cree una estructura de minería de datos y agregue un modelo mediante el Editor de Power Query Avanzado de minería de datos.

Agregar un modelo nuevo a una estructura existente

1. En la cinta de opciones Minería de datos , haga clic en la flecha de Avanzadas y, a continuación, seleccione Agregar modelo a estructura.

2. En el cuadro de diálogo Seleccionar estructura , elija la estructura que contiene los datos que desea usar y, a continuación, haga clic en Siguiente.

   Sugerencia: Si no está seguro de qué estructura de minería de datos contiene los datos que necesita, use el Asistente para modelo de documentos para ver las columnas y las estadísticas básicas sobre los datos.

   Si no encuentra una estructura de minería de datos, compruebe la conexión que está usando actualmente. Quizás necesite abrir una conexión a un servidor diferente.

3. En el cuadro de diálogo Seleccionar algoritmo de minería de datos, elija un algoritmo de minería de datos que se usará en el nuevo modelo de minería de datos.

   Observe que el cuadro de diálogo proporciona muchas más opciones de las que verá en los asistentes. Puede crear un modelo con cualquier algoritmo admitido en el servidor de Analysis Services, siempre que los datos sean compatibles.

4. Se recomienda que también haga clic en el botón Parámetros para abrir el cuadro de diálogo Parámetros de algoritmo y personalizar parámetros en el algoritmo. Esta opción es la manera más fácil de crear modelos de minería de datos personalizados.

5. Haga clic en Next.

6. En el cuadro de diálogo Seleccionar columnas , revise la lista de columnas y, si es necesario, cambie el uso de las columnas a uno de estos valores:

   • Entrada. Indica que la columna contiene variables que pueden afectar al resultado y se deben usar como entradas en el modelo.

   • Entrada y predicción. Indica que los datos se deben usar como entrada y que también desea predecir estos valores.

   • Predecir solo. Indica que los datos no se deben usar como entrada para el modelo.

   • Clave. Cada modelo requiere al menos una clave. Dependiendo del tipo de modelo, también puede tener la opción de claves especiales adicionales, como SequenceKey o TimeKey.

   • No use. Indica que los datos no se deben usar en el modelo, aunque estén presentes en la estructura.

7. Haga clic en el botón Examinar (...) para abrir el cuadro de diálogo Establecer marcas de modelo de columna .

   Dedique un minuto a comprobar que el uso de cada columna de datos es adecuado para el modelo. Se trata de un paso importante para evitar errores al intentar procesar el modelo.

   Por ejemplo, si vuelve a usar una estructura que se creó para un modelo de árboles de decisión y aplica el algoritmo Bayes naïve a ella, las columnas que tienen el tipo de datos y el tipo NumericContinuous de contenido deberán estar binned o cambiarse a variables discretas.

   Si las columnas de la estructura no son aplicables al nuevo algoritmo, puede omitirlas seleccionando No usar.

8. En el cuadro de diálogo Establecer marcas de modelo de columna , revise o establezca las marcas de modelado, si las hay.

   Los marcadores de modelado permiten controlar cómo se tratan los valores NULL, entre otras cosas. Para obtener más información, vea Modeling Flags (Data Mining).

   Haga clic en Aceptar cuando termine para cerrar el cuadro de diálogo.

9. En el cuadro de diálogo Finalizar , escriba un nombre y una descripción para el nuevo modelo de minería de datos.

   Según el tipo de modelo que creó, puede tener también estas opciones:

   • Examinar el modelo de minería de datos completado una vez generado.

   • Usar la obtención de detalles del modelo en los datos de origen.

     Para obtener más información, vea Obtención de detalles sobre modelos de minería de datos.

10. Haga clic en Finalizar para guardar los cambios. El nuevo modelo se implementa en el servidor y se procesa.

Opciones relacionadas

Establecer el uso de columnas

Al agregar un nuevo modelo a una estructura de minería de datos existente, debe especificar la forma en que el modelo usará cada una de las columnas de datos en la estructura de minería de datos. Probablemente observará que las opciones de este asistente son mucho más detalladas que las opciones de la estructura de minería de datos. ¿Por qué?

El motivo es que cuando crea un modelo y una estructura a la vez con un asistente, muchas de las opciones que controlan cómo usa el algoritmo los datos se establecen automáticamente. Sin embargo, al agregar un modelo nuevo a uno existente, debe ver estas opciones manualmente y especificar si los datos se deben usar para el análisis, si el tipo de datos es correcto, etc.

Pueden aparecer mensajes de error al aplicar los nuevos algoritmos a los datos existentes, pero estos mensajes suelen proporcionar información detallada sobre las correcciones que tiene que realizar para que se pueda procesar el modelo. Entre los problemas habituales se incluyen los siguientes:

• El modelo espera un tipo de datos diferente al que contiene la estructura.

  Algunos algoritmos solo funcionan con números, mientras que otros solo funcionan con texto. Si los datos son del tipo incorrecto para el nuevo modelo, puede que necesite modificar la estructura para permitir el procesamiento del modelo.

• La estructura de minería de datos no contiene ningún atributo de predicción.

  Los modelos de clústeres se pueden generar sin un valor de predicción, pero en otros modelos suele ser necesario especificar una única columna para la predicción.

• La composición de los datos no es compatible con el algoritmo que ha elegido.

  Algunos tipos de análisis requieren que los datos estén perfectamente estructurados según unas reglas únicas. Por ejemplo, los modelos de pronóstico y los modelos de asociación. Puede agregar fácilmente nuevos modelos del mismo tipo, quizás con personalizaciones, pero quizás los datos no funcionen con otros algoritmos.

Requisitos

Para crear modelos de minería de datos, debe tener una conexión a una instancia de Analysis Services. Para obtener más información sobre cómo crear o cambiar una conexión, vea Conectarse a datos de origen (cliente de minería de datos para Excel).

Si no puede ver la estructura de minería de datos que desea, podría ser que la estructura se guardó en una instancia diferente o en otra base de datos de Analysis Services. Para obtener información sobre cómo cambiar a una conexión de minería de datos diferente, consulte Conexión a un servidor de minería de datos.

Consulte también

Crear un modelo de minería de datos