最近與一個客戶的開發(fā)團隊探討和學(xué)習(xí)SQL Server的數(shù)據(jù)挖掘及其應(yīng)用。有幾個比較有意思的問題，整理出來

關(guān)于數(shù)據(jù)挖掘的基本知識和學(xué)習(xí)資料，可以參考http://msdn.microsoft.com/zh-cn/library/bb510517.aspx

上一篇：SQL Server數(shù)據(jù)挖掘中的幾個問題之理解列的用法

這一篇我們來探討一下兩個有時候會引起混淆的算法：聚類和順序聚類

聚類算法是使用非常多的一種算法，它的作用是對數(shù)據(jù)進行分組，將特征相近的實體組織在一起，以便幫助我們對于目標實體分類決策。典型的情況，例如人口分析，客戶分析。

聚類算法大致的效果如下(下面的分類名都可以修改，定義成我們更加容易理解的，例如“金牌客戶”，“銀牌客戶”等等)

有關(guān)聚類算法，有一個常見的問題就是：同一個實體會不會出現(xiàn)在不同的類里面呢?也就是說是否有可能會有重疊的情況?

這個問題的答案是：是否有重疊的情況，取決于算法的設(shè)置，默認情況下，是可能重疊的。

下面這個算法參數(shù)列表中，有一個CLUSTERING_METHOD，默認為1.就是所謂的EM(Expectation Maximization)這種算法，這是允許重疊的。

如果設(shè)置為3或者4，則不允許重疊。至于是否可以伸縮(Scalable)表示的是該算法讀取數(shù)據(jù)的規(guī)則，如果可伸縮，則表示會先讀取50000條記錄作為種子進行建模，如果足夠，則停止讀取。否則繼續(xù)讀取下50000個。而不可伸縮則每次都讀取所有的實體。

那么，什么是“順序聚類”呢?其實它的完整名稱應(yīng)該是”Microsoft 順序分析和聚類分析”，也就是結(jié)合了順序分析和聚類分析的一種特殊的算法。

#p#

這個算法建立模型之后，大致看到的效果是下面這樣的

【備注】這里一定要注意，除了標準的屬性之外，順序聚類會多出來所謂的“Transitions”，這里也就是體現(xiàn)了順序的概念。并且順序聚類算法與標準的聚類算法相比，更多出來另外一個專門的圖形，請看下圖

關(guān)鍵就在于，這個圖你該如何理解呢?我總結(jié)這么幾點

1. 順序聚類算法，首先它是一個聚類算法，他會對輸入的實體進行分組。
2. 之所以稱為順序聚類，是說它可以在分完組之后，針對這些組的實體的一些行為(主要是與時間有關(guān)的行為)進行分析，展示。

典型的情況有：分析不同客戶群體將物品放入購物籃的順序，分析不同用戶群體訪問公司網(wǎng)頁的點擊順序流。

上面這個圖的舉例解釋就是：“分類1”的這個組，通常是買了“Road-750”這個產(chǎn)品后，有77%的可能性買”Road Bottle Cage”，然后又有93%的可能性買“Water Bottle”

原文鏈接：http://www.cnblogs.com/chenxizhang/archive/2011/07/24/2115331.html

【編輯推薦】

1. 代號：Denali，SQL Server再出擊
2. 說說SQL Server編年史
3. 簡單說說SQL Server上的加密術(shù)
4. 擦亮自己的眼睛去看SQL Server