SQLServer中的數(shù)據(jù)挖掘工具

1、 SQL Server中的數(shù)據(jù)挖掘工具一、實驗目的1. 了解SQL Server 提供的數(shù)據(jù)挖掘模型；2. 掌握用決策樹和聚集算法創(chuàng)建OLAP挖掘模型；3. 掌握用決策樹和聚集算法創(chuàng)建關(guān)系挖掘模型；二、實驗工具SQL Server 2000 Analysis Manager三、實驗內(nèi)容（一） 用決策樹創(chuàng)建OLAP挖掘模型“客戶模式”使用 Microsoft 決策樹創(chuàng)建 OLAP 數(shù)據(jù)挖掘模型數(shù)據(jù)挖掘模型是一種包含運行特定數(shù)據(jù)挖掘任務所需的全部設置的模型。 為什么？數(shù)據(jù)挖掘?qū)Σ檎液兔枋鎏囟ǘ嗑S數(shù)據(jù)集中的隱藏模式非常有用。因為多維數(shù)據(jù)集中的數(shù)據(jù)增長很快，所以手動查找信息可能非常困難。數(shù)據(jù)挖掘提供的

2、算法允許自動模式查找及交互式分析。管理員可以在 Analysis Services 中設置將要訓練數(shù)據(jù)的數(shù)據(jù)挖掘模型。然后，用戶可以使用 ISV 客戶端工具對受訓數(shù)據(jù)運行高級分析。 方案：市場部想提高客戶滿意度和客戶保有率。于是實行了兩個創(chuàng)造性的方法以達到這些目標。對會員卡方案重新進行定義，以便更好地為客戶提供服務并且使所提供的服務能夠更加密切地滿足客戶的期望。創(chuàng)辦每周贈券雜志，將雜志送給客戶群，以鼓勵他們訪問 FoodMart 商店。 為了重新定義會員卡方案，市場部想分析當前銷售事務并找出客戶人口統(tǒng)計信息（婚姻狀況、年收入、在家子女數(shù)等等）和所申請卡之間的模式。然后根據(jù)這些信息和申請會員卡的

3、客戶的特征重新定義會員卡。本節(jié)將創(chuàng)建一個數(shù)據(jù)挖掘模型以訓練銷售數(shù)據(jù)，并使用“Microsoft 決策樹”算法在客戶群中找出會員卡選擇模式。請將要挖掘的維度（事例維度）設置為客戶，再將 Member_Card 成員的屬性設置為數(shù)據(jù)挖掘算法識別模式時要使用的信息。然后選擇人口統(tǒng)計特征列表，算法將從中確定模式：婚姻狀況、年收入、在家子女數(shù)和教育程度。下一步需要訓練模型，以便能夠瀏覽樹視圖并從中讀取模式。市場部將根據(jù)這些模式設計新的會員卡，使其適應申請各類會員卡的客戶類型。如何創(chuàng)建揭示客戶模式的數(shù)據(jù)挖掘模型1. 在 Analysis Manager 樹視圖中，展開“多維數(shù)據(jù)集”文件夾，右擊“Sales

4、”多維數(shù)據(jù)集，然后選擇“新建挖掘模型”命令。 2. 打開挖掘模型向?qū)?。在“選擇數(shù)據(jù)挖掘技術(shù)”步驟中的“技術(shù)”框中選擇“Microsoft 決策樹”。單擊“下一步”按鈕。 3. 在“選擇事例”步驟中，在“維度”框中選擇“Customer”。在“級別”框中，確保選擇了“Lname”。單擊“下一步”按鈕。 4. 在“選擇被預測實體”步驟中，選擇“事例級別的成員屬性”。然后在“成員屬性”框中選擇“Member Card”。 5. 單擊“下一步”按鈕。 6. 在“選擇訓練數(shù)據(jù)”步驟中，滾動到“Customer”維度，清除“Country”、“State Province”和“City”框（因為不需要在聚

5、集級別上而只需要在單獨的客戶級別上確定客戶模式）。單擊“下一步”按鈕。 7. 在“創(chuàng)建維度和虛擬多維數(shù)據(jù)集（可選）”步驟中，在“維度名稱”框中輸入“Customer Patterns”。然后在“虛擬多維數(shù)據(jù)集名稱”框中輸入“Trained Cube”。單擊“下一步”按鈕。 8. 在最后的步驟中，在“模型名稱”字段中鍵入“Customer patterns discovery”。確保選擇了“保存并開始處理”。單擊“完成”按鈕。 注意：處理數(shù)據(jù)挖掘模型可能會花費一些時間。 9. 出現(xiàn)一個窗口，顯示模型正在處理之中。處理完成之后，出現(xiàn)一則消息，說明“已成功完成處理”，然后單擊“關(guān)閉”按鈕。 如何讀取

6、客戶決策樹1. 現(xiàn)在已在 OLAP 挖掘模型編輯器中?？梢允褂镁庉嬈骶庉嬆Ｐ蛯傩曰蛘邽g覽其結(jié)果。最大化 OLAP 挖掘模型編輯器。 2. 決策樹顯示于右窗格中。其中包括四個窗格。中間的“內(nèi)容詳情”窗格 (1) 顯示焦點所在的決策樹的部分?！皟?nèi)容選擇區(qū)”窗格 (2) 顯示樹的完整視圖。該窗格使您可以將焦點設置到樹的其它部分。其它的兩個窗格分別是“特性”窗格 (3)（特性信息可以用“合計”選項卡以數(shù)值方式查看或者用“直方圖”選項卡以圖形方式查看）和與焦點所在節(jié)點相關(guān)聯(lián)的“節(jié)點路徑”區(qū)域 (4)。 3. 在“內(nèi)容詳情”窗格的決策樹區(qū)域中，顏色代表“事例”的密度（在本事例中為：客戶的密度）。顏色越深則

7、節(jié)點中包含的事例就越多。 單擊“全部”節(jié)點。該節(jié)點為黑色，因為它代表 (7632) 事例的 100%。7632 代表 1998 年活動的客戶數(shù)目（即 Sales 多維數(shù)據(jù)集中有事務記錄的客戶）。這個數(shù)字也說明在 1998 年并非所有的客戶都是活動的，因為我們從“Customer”維度的“Lname”級別中所包含的 9991 個客戶中只得到 7632 個事例。 4. 特性窗格顯示“全部”節(jié)點中，所有事例的 55.83%（或者說 4263 個示例）可能選擇銅卡 (Bronze)；11.50% 可能選擇金卡 (Golden)；23.32% 可能選擇普通卡 (Normal)；9.34% 可能選擇銀卡

8、(Silver)。如果沒有顯示百分比，則可以調(diào)整“特性”窗格中“合計”面板的“可能性”列的大小。 5. 如果選擇了樹的不同節(jié)點，此百分比將會更改。讓我們調(diào)查一下哪些客戶可能選擇金卡。若要執(zhí)行此操作，則需要重新畫出樹以便勾畫出金卡的高密度區(qū)。在右下角的“樹顏色基于”字段中選擇“Golden”。該樹顯示另一種顏色模式?？梢钥闯觥癈ustomer.Lname.Yearly Income = $150K+”節(jié)點的密度高于其它任何節(jié)點。 6. 樹的第一個級別由“yearly income”屬性決定。樹的組織由算法決定，其基礎(chǔ)是該屬性在輸出中的重要性。這意味著“yearly income”屬性是最重要的因

9、素，它將決定客戶可能選擇的會員卡的類型。選擇“Customer.Lname.Yearly Income = $150K+”節(jié)點。該特性窗格顯示收入較多的客戶中，45.09% 的客戶可能會選擇金卡。這個百分比要比“全部”節(jié)點中的 (11.50%) 高得多。當繼續(xù)在樹中做進一步調(diào)查時，讓我們調(diào)查一下這些百分比是如何演化的。 7. 雙擊“Customer.Lname.Yearly Income = $150K+”節(jié)點。 該樹現(xiàn)在只顯示“Customer.Lname.Yearly Income = $150K+”節(jié)點下的子樹。 選擇“Customer.Lname.Marital Status = M”

10、節(jié)點。在“節(jié)點路徑”窗格中，可以看到包含于該節(jié)點的客戶的完整的特征定義：收入高于 150000 美元且已婚的客戶。該“特性”窗格現(xiàn)在顯示：與上一級別 (45.09%) 相比，較高百分比 (81.05%) 的客戶可能會選擇金卡。 8. 我們再返回到頂層，進行一種與此不同的調(diào)查，即調(diào)查可能選擇普通卡的客戶。若要返回頂層節(jié)點，可以單擊從“Customer.Lname.Yearly Income = $150K+”節(jié)點左面伸出來的線（方法 1）或者使用“內(nèi)容選擇區(qū)”回到樹的頂部（方法 2）。 9. 在“樹顏色基于”字段中選擇“Normal”。樹刷新節(jié)點的顏色之后，可以看到“Customer.Lname

11、.Yearly Income = $150K+”節(jié)點的顏色非常淺；這意味著這些客戶選擇普通卡的可能性非常小。另一方面，可以看到“Customer.Lname.Yearly Income = $10K $30K”節(jié)點的顏色非常深。這意味著這些客戶選擇普通卡的可能性非常高?！疤匦浴贝案耧@示在此年收入范圍內(nèi)的客戶中，91.92% 的客戶可能會選擇普通卡。樹還顯示已無法對此節(jié)點進行進一步調(diào)查。這意味著在樹的這個分支中，年收入是決定客戶選擇普通卡的可能性的唯一因素。 10. 可以查看樹的其它分支并調(diào)查客戶選擇一種卡而不選擇另一種卡的可能性。市場部可以使用此信息來確定最可能選擇某種類型卡的客戶的特征。根據(jù)

12、這些特征（收入、子女數(shù)、婚姻狀況等等），可以重新定義會員卡服務和方案以便更好地適應其客戶。 11. 完成對決策樹的分析之后，請關(guān)閉 OLAP 挖掘模型編輯器。 瀏覽 OLAP 數(shù)據(jù)挖掘維度和虛擬多維數(shù)據(jù)集數(shù)據(jù)挖掘維度和虛擬多維數(shù)據(jù)集是兩個彼此關(guān)聯(lián)的對象，在使用 Microsoft 決策樹算法建立 OLAP 數(shù)據(jù)挖掘模型時得以創(chuàng)建。 為什么？OLAP 數(shù)據(jù)挖掘模型提供了一個新增的功能，可以選擇創(chuàng)建數(shù)據(jù)挖掘維度和虛擬多維數(shù)據(jù)集。數(shù)據(jù)挖掘維度由決策樹的節(jié)點組成，具有與決策樹本身類似的層次結(jié)構(gòu)。此數(shù)據(jù)挖掘維度然后將添加到多維數(shù)據(jù)集，用于虛擬多維數(shù)據(jù)集中的數(shù)據(jù)挖掘模型預測。使用虛擬多維數(shù)據(jù)集，用戶可以瀏

13、覽與決策樹的特定節(jié)點相關(guān)的原多維數(shù)據(jù)集中所包含的數(shù)據(jù)。它提供有關(guān)決策樹單個節(jié)點的詳細信息，例如，哪些單個客戶屬于此節(jié)點，這些客戶購買了什么產(chǎn)品，在何處購買，以及其它有關(guān)信息。 方案：數(shù)據(jù)挖掘模型結(jié)果允許重新定義成員資格卡程序?，F(xiàn)在市場部想要進一步了解這些客戶的情況：他們的人口統(tǒng)計分布狀況如何？他們購買哪些類型的產(chǎn)品等等。 在上一節(jié)定義 OLAP 數(shù)據(jù)挖掘模型時曾創(chuàng)建了數(shù)據(jù)挖掘維度，本節(jié)將瀏覽該數(shù)據(jù)挖掘維度。然后，將瀏覽定義數(shù)據(jù)挖掘模型時所創(chuàng)建的虛擬多維數(shù)據(jù)集。此操作允許為市場部提供有關(guān)決策樹每個節(jié)點的人口統(tǒng)計分布信息何和產(chǎn)品購買模式。如何瀏覽數(shù)據(jù)挖掘虛擬維度1. 在 Analysis Mana

14、ger 樹視圖中，展開“共享維度”文件夾，右擊“Customer patterns”維度，然后單擊“瀏覽維度數(shù)據(jù)”命令。 2. 維度瀏覽器打開。展開“全部”成員維度。 3. 選擇“Customer.Lname.Yearly Income = $150K+”成員。在“自定義成員公式”窗格中，出現(xiàn)定義該節(jié)點的 MDX 公式。 4. 可以繼續(xù)展開維度并考察該節(jié)點的屬性。完成時，單擊“關(guān)閉”按鈕。如何瀏覽數(shù)據(jù)挖掘虛擬多維數(shù)據(jù)集1. 在 Analysis Manager 樹窗格中，展開“多維數(shù)據(jù)集”文件夾，右擊“Trained Cube”多維數(shù)據(jù)集，然后選擇“瀏覽數(shù)據(jù)”命令。 2. 多維數(shù)據(jù)集瀏覽器打開

15、。最大化該多維數(shù)據(jù)集瀏覽器。 3. 將“Customer Patterns”維度拖動到“MeasuresLevel”框，以便用“Customer Patterns”維度替換“Measures”維度。 4. 按下列順序雙擊，展開“Customer”維度：“USA”-“WA”-“Redmond”。顯示 Redmond 地區(qū)的所有客戶。 5. 雙擊“級別 01”展開“Customer”維度。顯示“Customer Patterns”維度的第一個級別。 6. 關(guān)閉多維數(shù)據(jù)集瀏覽器。 （二、） 用聚集算法創(chuàng)建OLAP挖掘模型“客戶分組”：使用 Microsoft 聚集創(chuàng)建 OLAP 數(shù)據(jù)挖掘模型數(shù)據(jù)挖掘

16、模型是包含運行特定數(shù)據(jù)挖掘任務所需全部設置的模型。 為什么？數(shù)據(jù)挖掘?qū)Σ檎液兔枋鎏囟ǘ嗑S數(shù)據(jù)集中的隱藏模式非常有用。 隨著多維數(shù)據(jù)集中的數(shù)據(jù)迅速增長，手動查找信息變得非常困難。數(shù)據(jù)挖掘提供的算法允許自動模式查找及交互式分析。管理員現(xiàn)在可以在將要訓練數(shù)據(jù)的 Analysis Services 中設置數(shù)據(jù)挖掘模型。然后用戶可以使用 ISV 客戶端工具對受訓數(shù)據(jù)運行高級分析。 方案：市場部想增加客戶滿意度和客戶保有率。于是實行了兩個創(chuàng)造性的方法以達到這些目標。對會員卡方案重新進行定義，以便更好地為客戶提供服務并且使所提供的服務能夠更加密切地滿足客戶的期望。創(chuàng)辦每周贈券雜志，將雜志送給客戶群，以鼓勵他

17、們訪問 FoodMart 商店。 我們在上一章講述了如何使用“Microsoft 決策樹”算法重新定義會員卡方案。 為了定義每周贈券雜志，市場部想將客戶群劃分為三個類別。事實上，市場部已有創(chuàng)建三個版本的每周贈券雜志的財政預算。市場部想對銷售數(shù)據(jù)運行一些數(shù)據(jù)挖掘進程，以便識別三個組中的客戶。根據(jù)三個組的特征，市場部可以選擇贈券的類型，以便插入各個版本的每周贈券雜志。市場部還將能夠知道哪一類客戶應該接收哪一個版本的雜志。 本節(jié)將創(chuàng)建第二個數(shù)據(jù)挖掘模型，此模型將使用“Microsoft 聚集”算法將客戶群劃分為三個類別。請將客戶設置為要調(diào)查的維度（事例維度）。然后將 Store Sales（商店銷售

18、）度量值設置為數(shù)據(jù)挖掘算法劃分 Customer（客戶）維度所用信息。接下來，請選擇想要在算法中表示各個客戶類別特性的人口統(tǒng)計特征列表：婚姻狀況、年收入、在家子女數(shù)、教育程度 然后訓練此模型，最終使其能夠瀏覽受訓數(shù)據(jù)并從中分析三種客戶類別。市場部將根據(jù)每個客戶類別的人口統(tǒng)計屬性，選擇將要插入每周贈券雜志各個版本中的贈券列表。如何創(chuàng)建將客戶群劃分為邏輯段的數(shù)據(jù)挖掘模型 1. 在 Analysis Manager 樹窗格中展開“多維數(shù)據(jù)集”文件夾，右擊“Sales”多維數(shù)據(jù)集，然后單擊“新建挖掘模型”命令。 2. 在挖掘模型向?qū)У摹斑x擇數(shù)據(jù)挖掘技術(shù)”步驟中，在“技術(shù)”框中單擊“Microsoft

19、聚集”。單擊“下一步”按鈕。 3. 在“選擇事例”步驟中的“維度”框中，選擇“Customer”。在“級別”框中，確保已經(jīng)選擇了“Lname”。 單擊“下一步”按鈕。 4. 在“選擇訓練數(shù)據(jù)”步聚中，在“Customer”維度中清除“Country”、“State Province”和“City”復選框，因為沒有必要使用匯總級別劃分客戶群。然后，在“Measures”維度中只選擇“Store Sales”。單擊“下一步”按鈕。 5. 在最后一個步驟中，在“模型名稱”框中輸入“Customer segmentation”。選擇“保存，但現(xiàn)在不處理”。單擊“完成”按鈕。 6. 當前在 OLAP 挖

20、掘模型編輯器中。可以使用此編輯器編輯模型屬性或瀏覽其結(jié)果。 7. 在編輯器的左窗格的屬性窗格中，在“Cluster Count”框中，用“3”代替“10”。 8. 保存所做更改。 9. 單擊“工具”菜單上的“處理挖掘模型”命令。 注意： 處理數(shù)據(jù)挖掘模型可能會花費一些時間。10. 出現(xiàn)“處理”窗口，顯示正在處理模型。處理完成之后出現(xiàn)一則消息，說明“已成功完成處理”。單擊“關(guān)閉”按鈕。如何讀取包含在各個聚集（客戶段）中的信息1. 現(xiàn)在已回到 OLAP 挖掘模型編輯器。分段樹顯示于右窗格中。右窗格由四個窗格組成：中間的“內(nèi)容詳情”窗格 (1) 顯示焦點所在的分段樹的部分。“內(nèi)容選擇區(qū)”窗格 (2)

21、 顯示樹的完整視圖。該窗格使您可以將焦點設置到樹的其它部分。其它的兩個窗格分別是“特性”窗格 (3)（特性信息可以用“合計”選項卡以數(shù)值方式查看或者用“直方圖”選項卡以圖形方式查看）和與焦點所在節(jié)點相關(guān)聯(lián)的“節(jié)點路徑”區(qū)域 (4)。 2. 在“內(nèi)容詳情”窗格中，在分段樹區(qū)域中，顏色代表事例的密度（在此事例中為客戶的密度）。顏色越深則節(jié)點中包含的事例就越多。單擊“全部”節(jié)點。該節(jié)點為黑色，因為它代表 100% 的事例（客戶）。 3. 單擊“Cluster 1”。特性窗格顯示一個下拉列表和一個網(wǎng)格。下拉列表可用于選擇特定的客戶人口統(tǒng)計特征。網(wǎng)格顯示以人口統(tǒng)計特征的各個值為基礎(chǔ)對聚集中客戶的重新分區(qū)

22、。 4. 對于“Cluster 1”，請選擇“節(jié)點特性集”框中的“Customer.Lname.Marital Status”，然后轉(zhuǎn)到“特性”網(wǎng)格。網(wǎng)格顯示“Cluster 1”包括 2878 個事例，對于“婚姻狀況”特征，事例分布如下：21.12% 的客戶已婚，其余 78.88% 單身。 5. 讓我們從另一個角度查看這些相同的 2878 個事例。在“節(jié)點特性集”框中，選擇“Customer.Lname.Yearly Income”。網(wǎng)格中的分布顯示 0% 的客戶收入在 10000-30000 美元范圍之內(nèi)；41.62% 的客戶收入在 30000-50000 美元范圍之內(nèi)；24.01% 的客

23、戶收入在 50000-70000 美元范圍之內(nèi)。結(jié)果顯示該聚集的 65% 以上的客戶在中等收入（年收入為 30000-70000 美元）范圍之內(nèi)。 6. 現(xiàn)在可以知道“Cluster 1”主要由中等收入的客戶構(gòu)成而且主要由單身客戶構(gòu)成。在列表中選擇“Customer.Lname.Num Children At Home”。結(jié)果顯示該聚集中平均在家子女數(shù)為零。此項選擇顯示一個平均數(shù)而不是重新分區(qū)，因為源數(shù)據(jù)庫的“Num of Children at Home”字段中包含連續(xù)的值。當算法發(fā)現(xiàn)源數(shù)據(jù)中包含不連續(xù)的值，它將顯示包含這些值的重新分區(qū)。 當算法發(fā)現(xiàn)源數(shù)據(jù)中包含連續(xù)的值（即非預定義數(shù)字），它

24、將計算并顯示平均值。 7. 在“節(jié)點特性集”框中，選擇“Measures.Stores Sales”。網(wǎng)格顯示在“Cluster 1”中對每個客戶的平均銷售額為 72.42 美元。 8. 市場部現(xiàn)在了解到“Cluster 1”主要由中等收入的客戶構(gòu)成，而且完全是由單身客戶構(gòu)成，這些客戶家中沒有子女，每年在 FoodMart 商店平均花費 72.42 美元。根據(jù)這種情況，市場部可以確定在周刊中插入哪種贈券了。您也可以在樹中瀏覽以確定在“Cluster 2”和“Cluster 3”中所包含客戶特征。 9. 瀏覽完其它聚集后，請關(guān)閉 OLAP 挖掘模型編輯器。（三、） 用決策樹創(chuàng)建關(guān)系挖掘模型；使用

25、 Microsoft 決策樹創(chuàng)建關(guān)系數(shù)據(jù)挖掘模型數(shù)據(jù)挖掘模型是一種包含運行特定數(shù)據(jù)挖掘任務所需的全部設置的模型。 為什么？數(shù)據(jù)挖掘?qū)τ诎l(fā)現(xiàn)和描述關(guān)系表中的隱藏模式非常有用。因為數(shù)據(jù)庫中的數(shù)據(jù)增長很快，手動查找信息會變得非常困難。數(shù)據(jù)挖掘提供的算法允許自動模式查找。數(shù)據(jù)挖掘通常用于定義郵件列表或客戶在 Web 站點上的下一移動。管理員現(xiàn)在可以在 Analysis Services 中設置將要訓練數(shù)據(jù)的數(shù)據(jù)挖掘模型。然后，用戶可以使用 ISV 客戶端工具對受訓數(shù)據(jù)運行高級分析。方案：市場部現(xiàn)在已漸漸熟悉數(shù)據(jù)挖掘的技術(shù)。他們認識到數(shù)據(jù)倉庫中包含大量多維數(shù)據(jù)集所沒有的信息。他們想分析這些詳細的信息，以

26、便找出這些信息是否能揭示關(guān)于客戶購買行為的有意義的事實。 在本節(jié)，將使用“Microsoft 決策樹”算法創(chuàng)建一個關(guān)系挖掘模型，以便調(diào)查數(shù)據(jù)倉庫中的數(shù)據(jù)。 如何創(chuàng)建揭示客戶模式的數(shù)據(jù)挖掘模型1. 在 Analysis Manager 樹窗格中右擊“挖掘模型”文件夾，然后單擊“新建挖掘模型”命令。 2. 打開挖掘模型向?qū)?。在“歡迎使用挖掘模型向?qū)А辈襟E中，單擊“下一步”按鈕。 3. 在“選擇源類型”步驟中，單擊“關(guān)系數(shù)據(jù)”。單擊“下一步”按鈕。 4. 在“選擇事例表”步驟中，單擊“單個表包含數(shù)據(jù)”。在“可用的表”框中選擇“Customer”。單擊“下一步”按鈕。 5. 在“選擇數(shù)據(jù)挖掘技術(shù)”步驟

27、中，在“技術(shù)”框中選擇“Microsoft 決策樹”。單擊“下一步”按鈕。 6. 在“選擇鍵列”步驟中，在“事例鍵列”框中單擊“customer_id”。然后單擊“下一步”按鈕。 7. 在“選擇輸入與可預測列”步驟中，選擇以下列，然后用“”按鈕依次移動到“可預測列”框中：“marital_status”、“yearly_income”、“num_children_at_home”、“total_children”、“education”、“member_card”、“occupation”、“houseowner”和“num_cars_owned”。 8. 這些列還將用作輸入列。選擇同樣的列并通過“輸入列”列表旁邊的“”按鈕將其移動到“輸入列”框中。單擊“下一步”按鈕。 9. 在最后的步驟中，在“模型名稱”框中輸入“Advanced customer patterns discovery”。確保選擇了“保存并立即處理”。單擊“完成”按鈕。 注意： 處理數(shù)據(jù)挖掘模型可