Aracılığıyla paylaş


Küme modelini (temel veri incelemesi Öğreticisi) keşfetme

MicrosoftKümeleme algoritmasını durumlarda benzer özellikler içeren kümeler halinde gruplandırır. Bu gruplandırmalar veri keşfetme, anomaliler veri tanımlama ve predictions oluşturmak için yararlıdır.

MicrosoftKüme Görüntüleyici incelemesi modelleri kümeleme exploring kullanmak için aşağıdaki sekmeleri sağlar:

Küme Diyagramı

Küme profilleri

Küme özellikleri

Küme Ayrımcılığı

Aşağıdaki bölümlerde, uygun Görüntüleyici seçin ve incelemesi modelleri keşfedin nasıl açıklanmaktadır.

Küme Diyagramı sekmesi

Küme Diyagramı sekmesi, bir incelemesi modeli olan alan kümelerin tümünü görüntüler. Satır kümeleri arasında "yakınlık" temsil eder. ve nasıl benzer kümelerine göre gölgeli. Her küme gerçek rengini, değişken ve küme devlet sıklığı temsil eder.

Küme Diyagramı sekmesini modelinde keşfetmeye

  1. Kullanım Mining modeli listesinin en üstündeki Mining modeli Görüntüleyicisi geçmek için sekme TM_Clustering modeli.

  2. İçinde Viewer listesi, seçme Microsoft Küme Görüntüleyici.

  3. İçinde Gölgelendirme değişken kutusunda, Seç Bike Buyer.

    Varsayılan değişkendir nüfusu, ancak bu modelde, istediğiniz özniteliklere sahip üyeleri hangi kümeleri içeren keşfetmek için herhangi bir öznitelik için değiştirebilirsiniz.

  4. Seçin 1 içinde devlet bu durumda burada bir bisiklet satın keşfetmek için kutu.

    Yoğunluk efsane yoğunluk Gölgelendirme değişken ve devlet seçili özniteliği durumu çiftinin açıklar. Bu örnekte bunu bize söyler kümeen koyu gölgelendirme ile bisiklet alıcıların yüksek yüzdesi vardır.

  5. Farenizi koyu gölgelerle küme üzerinde duraklatın.

    Bir araç ipucu özniteliğine sahip servis taleplerinin yüzdesini görüntüler Bike Buyer = 1.

  6. Kümeyi sağ tıklatın, seçmek en yüksek yoğunluğa sahiptir kümeyi seçin Rename küme ve Bike alıcıların yüksek için sonraki kimlik yazın. Tamam’ı tıklatın.

  7. Hafif gölgelendirme (ve en düşük yoğunluk) olan küme bulmak. Kümeyi sağ tıklatın, Seç Rename küme ve Bike alıcıların düşük yazın. Tamam’ı tıklatın.

  8. Bike alıcıların yüksek küme öğesini tıklatıp bağlantılarından diğer kümeleri için net bir görünüm verecek bölmesindeki bir alanı sürükleyin.

    Küme seçtiğinizde, bu küme için tüm ilişkileri kolayca görebilmesi, bu kümedeki diğer kümelere bağlanma satırları vurgulanır. Küme seçili değilken, diyagramdaki tüm kümeleri arasında nasıl güçlü ilişkileri olan satırları karanlık tarafından söyleyebilirsiniz. Gölgelendirme ışık veya varolmayan, kümeler çok benzer değildir.

  9. Süzgeç zayıf bağlantıları ve yakın ilişkileri olan kümeleri bulmak için ağ solundaki kaydırıcıyı kullanın. Adventure Works CyclesPazarlama departmanı benzer kümeleri hedeflenen posta teslim etmek için en iyi yöntem belirlerken birleştirmek isteyebilirsiniz.

Başa dön

Küme profilleri sekmesi

Küme profilleri sekmesi, genel bir görünümünü sağlar TM_Clustering modeli. Küme profilleri sekmesi, her küme modelinde bir sütun içerir. İlk sütun en az bir küme ile ilişkili özellikleri listeler. Görüntüleyiciyi geri kalanı her küme için bir özniteliği durumları dağıtımını içerir. Discrete variable dağıtım sayısı görüntülenen çubukları ile renkli bir çubuk olarak gösterilen Histogram çubukları listesi. Sürekli öznitelikler, ortalama ve standart sapma her kümedeki temsil eden bir elmas grafikle görüntülenir.

Küme profilleri sekmesini modelinde keşfetmeye

  1. Set Histogram barlar için 5.

    Bizim modelinde, Birleşik herhangi bir değişken için en fazla sayısı 5'tir.

  2. Eğer Mining gösterge görüntülenmesini engeller Öznitelik profilleri, dışına taşıyın.

  3. Bike alıcıların yüksek sütunu seçin ve sağa sürükleyin nüfusu sütun.

  4. Bike alıcıların düşük sütunu seçin ve Bike alıcıların yüksek sütun sağa sürükleyin.

  5. Bike alıcıların yüksek sütunu tıklatın.

    Değişkenleri sütunu, bu küme için önem sırasına göre sıralanır. Sütunu boyunca ilerleyin ve Bike Buyer yüksek küme özelliklerini gözden geçirin. Örneğin, daha kısa bir değişme olması olasıdır.

  6. Çift yaş Bike alıcıların yüksek sütun hücresinde.

    Mining gösterge daha ayrıntılı görüntüler görüntüle ve ortalama yaşı yanı sıra, bu müşterilerin yaş aralığını görebilirsiniz.

  7. Bike alıcıların düşük sütunu sağ tıklatın ve seçin Sütununu Gizle'yi.

Başa dön

Küme Özellikleri sekmesi

İle Küme özellikleri sekmesi, sen incelemek daha ayrıntılı bir kümesini oluşturan özellikleri. Tüm kümeleri (olarak küme profilleri sekmesi) özelliklerini karşılaştırmak yerine, bir kerede tek bir küme keşfedebilirsiniz. Örneğin, Bike alıcıların yüksek gelen seçerseniz Küme listesi, müşterilerin bu küme özelliklerini görebilirsiniz. Ekranda küme profilleri Görüntüleyicisi'nden farklı olsa da, bulguları aynıdır.

[!NOT]

Bir başlangıç değeri için ayarlamadığınız sürece holdoutseed, sonuçları her zaman model işleme göre değişir. Daha fazla bilgi için bkz.HoldoutSeed öğesi

Başa dön

Küme Ayrımcılığı sekmesi

İle Küme Ayrımcılığı sekmesi, bir küme diğerinden ayırt özellikleri keşfetmek. Gelen iki kümeyi seçtikten sonra Küme 1 listesi ve bir Küme 2 listesi, Görüntüleyici kümeleri arasındaki farkları hesaplar ve kümeleri en ayırt özniteliklerin listesini görüntüler.

Küme Ayrımcılığı sekmesini modelinde keşfetmeye

  1. İçinde Küme 1 kutusunda, Bike alıcıların yüksek seçin.

  2. İçinde Küme 2 kutusunda, Bike alıcıların düşük seçin.

  3. Tıklayın değişkenleri alfabetik olarak sıralamak için.

    Bazı müşteriler arasında daha önemli farklılıklar Bike alıcıların düşük ve Bike alıcıların yüksek kümelerinde yaş, otomobil sahipliği, çocuklar ve bölge numarasını içerir.

Ders sonraki görev

Naive Bayes modelini (temel veri incelemesi Öğreticisi) keşfetme

Ders, önceki görev

Karar ağacı modelini (temel veri incelemesi Öğreticisi) keşfetme

Ayrıca bkz.

Başvuru

Cluster Discrimination Tab (Mining Model Viewer)

Cluster Profiles Tab (Mining Model Viewer)

Cluster Characteristics Tab (Mining Model Viewer)

Cluster Diagram Tab (Mining Model Viewer)

Kavramlar

Microsoft Küme Görüntüleyici'yi kullanarak bir Model Gözat