DMX. Параметры алгоритмов интеллектуального анализа данных. Алгоритм взаимосвязей, кластеризация последовательностей

Associationrules (алгоритмвзаимосвязей)

Рассмотрим код DMXсоздающий структуру интеллектуального анализа и модель, использующую алгоритм MicrosoftAssociationRules [1]. Обратите внимание, что здесь будут использованы вложенные таблицы, содержащие перечень товаров в заказе (как и в предыдущих примерах, речь идет о данных из базы AdventureWorksDW).

CREATEMININGSTRUCTURE SalesData
(
	[Order Number] TEXTKEY,
	Products TABLE
	(
		Product TEXTKEY,
		Category TEXTDISCRETE
	)
)

GO
ALTERMININGSTRUCTURE SalesData
ADDMININGMODEL Recommendations
(
	[Order Number],
	Products PREDICT
	(
		Product
	)
)USINGMicrosoft_Association_Rules(MINIMUM_SUPPORT=10, MINIMUM_PROBABILITY=0.4)
    

В данном случае необходимо обратить внимание на следующее. Вариант содержит только один ключевой столбец и один прогнозируемый столбец. Как правило, прогнозируется ключевой столбец вложенной таблицы, в нашем примере - перечень приобретенных продуктов. Эти значения должны быть дискретными или дискретизированными. Входные столбцы также должны быть дискретными или дискретизированными.

Параметры алгоритма Microsoft Association Rules следующие.

MicrosoftSequenceClustering

Рассмотри фрагмент кода на языке DMX, создающего модель интеллектуального анализа, основанную на алгоритме MicrosoftSequenceClustering [1]. В данном случае задача - анализ последовательностей перехода клиентов по разделам web-сайта. Вариант формируют идентификатор клиента (CustomerGuid), информация о его местоположении (GeoLocation) и вложенная таблица cидентификатором ссылки в последовательности клиента (SequenceID) и указанием категории ссылки (URLCategory).

CREATEMININGMODEL WebSequence 
(
     CustomerGuid	TEXTKEY,
     GeoLocation	TEXTDISCRETE,
     ClickPath		TABLEPREDICT
     (
		SequenceID  LONGKEYSEQUENCE,
		URLCategory TEXTDISCRETEPREDICT
)
)
USINGMicrosoft_Sequence_Clustering
    

После того, как модель создана и обработана, она может использоваться для построения прогнозов. Например, может быть предложено наиболее вероятное продолжение последовательности, начало которой известно.

Для предсказания используется функция PredictSecuence(), формат которой предполагает использование разных комбинаций параметров. PredictSequence(<tablecolumnreference>):параметр в скобках - название вложенной таблицы, наиболее вероятная последовательность значений из которой предсказывается. PredictSequence(<tablecolumnreference>, n): предсказание n следующих значений из вложенной таблицы. PredictSequence(<tablecolumnreference>, n, m>): предсказание значений с n-го по m-ное.

Вернувшись к примеру с web-сайтом из [1]можно использовать следующий запрос для того, чтобы узнать два следующих наиболее вероятных перехода клиента, который смотрел страницы по темам страхование (англ. insurance), кредиты (англ. loan),

SELECTPredictSequence(ClickPath, 2) AS Sequences
FROM WebSequence NATURALPREDICTIONJOIN
(SELECT (SELECT 1 AS SequenceID, 'Insurance' AS URLCategory UNION
		SELECT 2 AS SequenceID, 'Loan' AS URLCategory) 
ASClickPath) AST
    

Теперь рассмотрим параметры алгоритма, которые можно указать при создании модели.