資料採礦演算法Analysis Services-基於SQL Server的資料採礦

標籤：des   http   io   ar   os   使用   for   sp   檔案   

資料採礦演算法（Analysis Services – 資料採礦）data mining algorithm is a set of heuristics and calculations that creates a data mining model from data.” xml:space=”preserve”>“資料採礦演算法”是根據資料建立資料採礦模型的一組試探法和計算。 為了建立模型，演算法將首先分析您提供的資料，並尋找特定類型的模式和趨勢。 演算法使用此分析的結果來定義用於建立採礦模型的最佳參數。 然後，這些參數應用於整個資料集，以便提取可行模式和詳細統計資訊。

演算法根據您的資料建立的採礦模型可以採用多種形式，這包括：

• 說明資料集中的案例如何相關的一組分類。
• 預測結果並描述不同條件是如何影響該結果的決策樹。
• 預測銷量的數學模型。
• 說明在事務中如何將產品分組到一起的一組規則，以及一起購買產品的機率。

Microsoft SQL Server Analysis Services 提供了多種在資料採礦解決方案中使用的演算法。 這些演算法是在資料採礦中使用的一些最流行方法的實現方式。 通過使用提供的 API 或者使用 SQL Server Integration Services 中的資料採礦組件，所有 Microsoft 資料採礦演算法都是可以自訂且完全可程式化的。

您還可以使用符合 OLE DB for Data Mining 規範的第三方演算法，或者開發可註冊為服務、然後在 SQL Server 資料採礦架構中使用的自訂演算法。

 

為特定的分析任務選擇最佳演算法很有挑戰性。 您可以使用不同的演算法來執行同樣的業務任務，每個演算法會產生不同的結果，而某些演算法還會產生多種類型的結果。 例如，您不僅可以將 Microsoft 決策數演算法用於預測，而且還可以將它用作一種減少資料集的列數的方法，因為決策樹能夠識別出不影響最終採礦模型的列。

按類型選擇演算法

 

Analysis Services 包括了以下演算法類型：

• Classification algorithms predict one or more discrete variables, based on the other attributes in the dataset. ” xml:space=”preserve”>分類演算法基於資料集中的其他屬性預測一個或多個離散變數。
• Regression algorithms predict one or more continuous variables, such as profit or loss, based on other attributes in the dataset.” xml:space=”preserve”>迴歸演算法基於資料集中的其他屬性預測一個或多個連續變數，如利潤或虧損。
• Segmentation algorithms divide data into groups, or clusters, of items that have similar properties.” xml:space=”preserve”>分割演算法將資料劃分為組或分類，這些組或分類的項具有相似屬性。
• Association algorithms find correlations between different attributes in a dataset.” xml:space=”preserve”>關聯演算法尋找資料集中的不同屬性之間的相關性。 這類演算法最常見的應用是建立可用於購物籃分析的關聯規則。
• Sequence analysis algorithms summarize frequent sequences or episodes in data, such as a Web path flow. ” xml:space=”preserve”>順序分析演算法摘要資料中的常見順序或事件，如 Web 路徑流。

但是，限制為您的解決方案中的一種演算法是沒有必要的。 有經驗的分析人員有時候將使用一種演算法來確定最高效的輸入（即變數），然後應用其他演算法以便基於這些資料預測特定結果。 SQL Server 資料採礦使您可以在單個採礦結構的基礎上產生多個模型，這樣，在單個資料採礦解決方案內，您可以使用群集演算法、決策樹模型和 naïve Bayes 模型來針對您的資料擷取不同視圖。 您還可以在單個解決方案內使用多種演算法來執行單獨的任務：例如，您可以使用迴歸來擷取財務預測，並且使用神經網路演算法執行銷售影響因素分析。

按任務選擇演算法

為協助您選擇用於特定任務的演算法，下表給出了每種演算法在傳統上用於的任務類型的建議。

 

任務樣本	可使用的 Microsoft 演算法
預測離散屬性   將預期購買者列表中的客戶標記為好或差的潛在客戶。 計算服務器在未來 6 個月內將出現故障的機率。 將患者結果分類並探討相關因素。	決策樹演算法   Naive Bayes 演算法 群集演算法 神經網路演算法
預測連續屬性   預測下一年的銷售額。 根據過去的曆史資訊和季節趨勢，預測網站訪問者。 根據人口統計資訊產生風險評分。	決策樹演算法   時序演算法 線性迴歸演算法
預測順序   執行公司網站的點擊串流分析。 分析導致伺服器故障的因素。 捕獲和分析門診訪問期間活動的順序，以便圍繞一般的活動形成最佳做法。	順序分析和群集演算法
尋找事務中常見項的組   使用購物籃分析來確定產品擺放。 建議客戶購買其他產品。 分析來自事件訪問者的調查資料，確定哪些活動或展台是相關的，以便計劃將來的活動。	關聯演算法   決策樹演算法
尋找相似項的組   基於人口統計資訊和行為之類的屬性，建立患者風險設定檔群組。 按照瀏覽和購買模式分析使用者。 標識具有相似使用特性的伺服器。	群集演算法   順序分析和群集演算法

演算法的明細，大家可以參考後續的文章，或者在MSDN的技術文檔中心進行尋找 來源：MSDN摘自 ：http://www.datafew.com/archive/160.html

資料採礦演算法Analysis Services-基於SQL Server的資料採礦