Condividi tramite


Lezione 4: Esplorazione dei modelli di mailing diretto (Esercitazione di base sul data mining)

Dopo avere elaborato i modelli nel progetto, è possibile esplorarli per individuare tendenze interessanti. Poiché i risultati dei modelli di data mining sono complessi e disponibili in un formato non elaborato di difficile interpretazione, l'esame visivo dei dati rappresenta spesso il modo più semplice per comprendere le regole e le relazioni individuate dagli algoritmi all'interno dei dati. L'esplorazione consente inoltre di comprendere il comportamento dei modelli e di individuare il modello con le migliori prestazioni prima di distribuirlo.

Quando si utilizza SQL Server Data Tools (SSDT) per esplorare i modelli, ogni modello creato viene elencato nella scheda Visualizzatore modello di data mining in Progettazione di data mining. Per esplorare i modelli, è possibile utilizzare i visualizzatori. Questi visualizzatori sono disponibili anche in SQL Server Management Studio.

Ognuno degli algoritmi utilizzati per compilare un modello in Analysis Services restituisce un risultato di tipo diverso. Per tale motivo, in Analysis Services è disponibile un visualizzatore separato per ogni algoritmo. Analysis Services fornisce anche un visualizzatore generico che funziona per tutti i tipi di modello. In Generic Content Tree Viewer viene visualizzato il contenuto dettagliato del modello. Il contenuto del modello varia a seconda dell'algoritmo utilizzato. Per ulteriori informazioni, vedere Visualizzare un modello utilizzando Microsoft Generic Content Tree Viewer.

In questa lezione verranno analizzati gli stessi dati utilizzando i tre modelli creati. Ogni tipo di modello è basato su un algoritmo diverso e fornisce informazioni diverse sui dati. Il modello Decision Trees offre informazioni sui fattori che influiscono sull'acquisto di biciclette. Il modello di clustering raggruppa i clienti per attributi che includono il comportamento relativo all'acquisto di biciclette e altri attributi selezionati. Il modello Naive Bayes consente di esplorare la relazione tra attributi diversi. Infine, Microsoft Generic Content Tree Viewer mostra la struttura del modello e fornisce informazioni più dettagliate, tra cui le formule utilizzate, gli schemi estratti e il numero di case in un cluster o in un particolare albero.

Fare clic sugli argomenti seguenti per esplorare i visualizzatori modelli di data mining.

Prima attività della lezione

Esplorazione del modello Decision Trees (Esercitazione di base sul data mining)

Lezione precedente

Lezione 3: Aggiunta ed elaborazione di modelli

Lezione successiva

Lezione 5: Test di modelli (Esercitazione di base sul data mining)

Vedere anche

Concetti

Visualizzatori modello di data mining

Altre risorse

Attività e procedure relative al visualizzatore modello di data mining