创建神经网络结构和模型（数据挖掘中级教程）
若要创建数据挖掘模型，必须先使用数据挖掘向导基于新数据源视图创建一个新的挖掘结构。 在此任务中，你将使用向导创建挖掘结构，同时创建基于 Microsoft 神经网络算法的关联挖掘模型。
由于神经网络非常灵活且可以分析输入和输出的多个组合，因此应试用多种处理数据的方式以获得最佳结果。 例如，你可能想要自定义对服务质量数字目标 进行装箱或分组的方式，以针对特定的业务需求。 为此，您将向该挖掘结构中添加一个以不同的方式对数值数据进行分组的新列，然后创建一个使用这个新列的模型。 您将使用这些挖掘模型来进行一些浏览。
最后，在您从神经网络模型中了解到哪些因素对您的业务问题影响最大之后，您需要生成一个单独的预测和记分模型。 你将使用 Microsoft 逻辑回归算法，该算法基于神经网络模型，但针对基于特定输入查找解决方案进行了优化。
步骤
创建默认呼叫中心结构
在 解决方案资源管理器 SQL Server Data Tools (SSDT) 中，右键单击“挖掘结构”，然后选择“新建挖掘结构”。
在 “欢迎使用数据挖掘向导” 页上，单击 “下一步”。
在 “选择定义方法 ”页上，验证是否已选择 “从现有关系数据库或数据仓库” ，然后单击“ 下一步”。
在 “创建数据挖掘结构 ”页上，验证是否已选择选项 “创建具有挖掘模型的挖掘结构 ”。
单击“ 要使用哪种数据挖掘技术？”选项的下拉列表，然后选择“ Microsoft 神经网络”。
由于逻辑回归模型基于神经网络，因此，您可以重用同一结构，添加新的挖掘模型。
单击“下一步”。
此时将显示 “选择数据源视图 ”页。
在 “可用数据源视图”下，选择
Call Center，然后单击“ 下一步”。在“指定表类型”页上，选择 FactCallCenter 表旁边的“事例检查框。 请勿为 DimDate 选择任何内容。 单击“下一步”。
在“指定训练数据”页上，选择列 FactCallCenterID 旁边的“键”。
选择
Predict和 输入检查框。选择“密钥”、“输入”和
Predict“检查”框，如下表所示：表/列 键/输入/预测 AutomaticResponses 输入 AverageTimePerIssue 输入/预测 调用 输入 DateKey 请勿使用 DayOfWeek 输入 FactCallCenterID 密钥 IssuesRaised 输入 LevelOneOperators 输入/预测 LevelTwoOperators 输入 Orders 输入/预测 ServiceGrade 输入/预测 Shift 输入 TotalOperators 请勿使用 WageType 输入 请注意已选定多个可预测列。 神经网络算法的优点之一是：它可以分析输入和输出属性的所有可能组合。 你不希望对大型数据集执行此操作，因为它可能会成倍增加处理时间。
在 “指定列的内容和数据类型 ”页上，验证网格是否包含列、内容类型和数据类型，如下表所示，然后单击“ 下一步”。
列 内容类型 数据类型 AutomaticResponses 连续 Long AverageTimePerIssue 连续 Long 调用 连续 Long DayOfWeek 离散 文本 FactCallCenterID 密钥 Long IssuesRaised 连续 Long LevelOneOperators 连续 Long LevelTwoOperators 连续 Long Orders 连续 Long ServiceGrade 连续 Double Shift 离散 文本 WageType 离散 文本 在 “创建测试集 ”页上，清除“ 用于测试的数据百分比”选项的文本框。 单击“下一步”。
在 “完成向导” 页上，为 “挖掘结构名称”键入
Call Center。对于 “挖掘模型名称”，请键入
Call Center Default NN，然后单击“ 完成”。“ 允许钻取 ”框处于禁用状态，因为无法使用神经网络模型钻取到数据。
在解决方案资源管理器中，右键单击刚刚创建的数据挖掘结构的名称，然后选择“处理”。
使用离散化将目标列装箱
默认情况下，创建具有数值型可预测属性的神经网络模型时，Microsoft 神经网络算法将该属性视为连续数值。 例如，ServiceGrade 属性在理论上是介于 0.00（应答所有呼叫）和 1.00（挂断所有呼叫）之间的数值。 在此数据集中的值具有以下分布：
因此，处理模型时，输出的分组方式可能会与预期的不同。 例如，如果使用 聚类分析 标识最佳值组，则算法会将 ServiceGrade 中的值划分为如下范围：0.0748051948 - 0.09716216215。 尽管此分组在数学上很准确，但此类范围可能对业务用户并没有太大意义。
在此步骤中，为了使结果更直观，你将以不同的方式对数值进行分组，从而创建数值数据列的副本。
如何使用离散化
Analysis Services 提供了各种装箱或处理数值数据的方法。 下表说明了以三种不同方式处理输出属性 ServiceGrade 所得到的结果的差异：
将其视为连续数值。
让算法使用聚类分析来确定最佳值划分方式。
指定数值按等面积方法装箱。
默认模型（连续）
| 值 | Support |
|---|---|
| Missing | 0 |
| 0.09875 | 120 |
以聚类分析方式装箱
| 值 | Support |
|---|---|
| < 0.0748051948 | 34 |
| 0.0748051948 - 0.09716216215 | 27 |
| 0.09716216215 - 0.13297297295 | 39 |
| 0.13297297295 - 0.167499999975 | 10 |
| >= 0.167499999975 | 10 |
按等面积装箱
| 值 | Support |
|---|---|
| < 0.07 | 26 |
| 0.07 - 0.00 | 22 |
| 0.09 - 0.11 | 36 |
| >= 0.12 | 36 |
注意
可以在处理完所有数据后，从模型的边际统计信息节点获取这些统计信息。 有关边际统计信息节点的详细信息，请参阅 神经网络模型的挖掘模型内容 (Analysis Services - 数据挖掘) 。
此表中，VALUE 列为您显示了 ServiceGrade 的数值的处理方式。 SUPPORT 列为您显示有多少事例具有此值或属于该范围。
使用连续数值（默认值）
如果使用了默认方法，算法将计算 120 个非重复值的结果，这些值的均值为 0.09875。 您还可以查看缺失值的数目。
按聚类分析分箱
如果让 Microsoft 聚类分析算法来确定值的可选分组时，该算法会将 ServiceGrade 的值划分为五个 (5) 范围。 每个范围内的事例数目不是均匀分布的，正如您从 support 列看到的那样。
按相等区域分箱
如果选择此方法，该算法会强制将值划分到大小相等的 Bucket 中，而这又会更改每个范围的上下限。 您可以指定 Bucket 的数目，但要避免任何 Bucket 中的值少于两个。
有关装箱选项的详细信息，请参阅 离散化方法 (数据挖掘) 。
或者，可以添加一个单独的派生列，用于将服务等级分类为预定义的目标范围，例如 Best (ServiceGrade <= 0.05) 、 可接受的 (0.10 > ServiceGrade > 0.05) 和 Poor (ServiceGrade >= 0.10) 。
创建列的副本并更改离散化方法
你将创建包含目标属性 ServiceGrade 的挖掘列的副本，并更改数字的分组方式。 可以创建挖掘结构中任何列（包括可预测属性）的多个副本。
在本教程中，您将使用离散化的等面积方法并指定四个 Bucket。 此方法所产生的分组与您的业务用户所希望的目标值十分接近。
创建挖掘结构中某一列的自定义副本
在解决方案资源管理器中，双击刚刚创建的挖掘结构。
在“挖掘结构”选项卡中，单击“ 添加挖掘结构列”。
在 “选择列 ”对话框中，从“ 源列”的列表中选择“ServiceGrade”，然后单击“ 确定”。
一个新的列添加到挖掘结构列的列表中。 默认情况下，这个新的挖掘列具有与现有列相同的名称，并有一个数值后缀，如 ServiceGrade 1。 您可以更改该列的名称，使其更具描述性。
您还将指定离散化方法。
右键单击“ServiceGrade 1”，然后选择“ 属性”。
在 “属性” 窗口中，找到 Name 属性，并将名称更改为 Service Grade Binned 。
出现一个对话框，询问您是否要对所有相关的挖掘模型列的名称进行同样的更改。 单击 “否” 。
在 “属性” 窗口中，找到“ 数据类型” 部分，并在必要时将其展开。
将属性
Content的值从Continuous更改为Discretized。以下属性现在可用。 按下表所示更改属性值：
properties 默认值 新值 DiscretizationMethodContinuousEqualAreasDiscretizationBucketCount无值 4 注意
DiscretizationBucketCount 的默认值实际为 0，这意味着算法将自动确定 Bucket 的最佳数量。 因此，如果希望将该属性的值重置为其默认值，请键入 0。
在“数据挖掘Designer”中，单击“挖掘模型”选项卡。
请注意，在您添加挖掘结构列的副本时，该副本的用法标志将自动设置为
Ignore。 通常，当您向挖掘结构中添加列的副本时，您不会将该副本与原始列一起用于分析，否则算法会发现两列之间存在可能掩盖其他关系的密切关联。
向挖掘结构添加新的挖掘模型
至此您已针对目标属性创建了一个新的分组，现在需要添加一个使用该离散化列的新挖掘模型。 完成后，CallCenter 挖掘结构将有两个挖掘模型：
挖掘模型 Call Center Default NN 将 ServiceGrade 值作为连续范围来处理。
你将创建一个新的挖掘模型，即呼叫中心 Binned NN，该模型使用 作为其目标生成 ServiceGrade 列的值，分布到四个大小相等的存储桶中。
添加基于新的离散化列的挖掘模型
在“解决方案资源管理器”中，右键单击刚创建的挖掘结构，然后选择“打开”。
单击 “挖掘模型” 选项卡。
单击“ 创建相关挖掘模型”。
在“ 新建挖掘模型 ”对话框中，为“ 模型名称”键入
Call Center Binned NN。 在 “算法名称 ”下拉列表中，选择“ Microsoft 神经网络”。在新挖掘模型中包含的列列表中，找到 ServiceGrade，将用法从
Predict改为Ignore。同样，找到 ServiceGrade Binned，将用法从
Ignore改为Predict。
为目标列创建别名
通常，您不能比较使用不同可预测属性的挖掘模型。 但是，您可以为挖掘模型列创建别名。 也就是说，可以在挖掘模型中重命名列 ServiceGrade Binned，使其与原始列同名。 然后可以在一个准确性图表中直接比较这两个模型，即使数据是以不同的方式离散化的也是如此。
为挖掘模型中的挖掘结构列添加别名
在“ 挖掘模型 ”选项卡的“ 结构”下，选择“ServiceGrade Binned”。
请注意， “属性” 窗口显示对象 ScalarMiningStructure 列的属性。
在挖掘模型列 ServiceGrade Binned NN 下方单击与 ServiceGrade Binned 列对应的单元格。
请注意，现在 “属性” 窗口显示对象 MiningModelColumn 的属性。
找到 Name 属性，并将值更改为
ServiceGrade。找到 Description 属性并键入 临时列别名。
“属性”窗口应包含以下信息：
属性 值 说明 Temporary column alias ID ServiceGrade Binned 建模标志 名称 Service Grade SourceColumn ID Service Grade 1 使用情况 Predict 单击“ 挖掘模型 ”选项卡中的任意位置。
网格将更新为在列用法旁边显示新的临时列别名
ServiceGrade。 包含挖掘结构及两个挖掘模型的网格应如下所示：结构 Call Center Default NN Call Center Binned NN Microsoft 神经网络 Microsoft 神经网络 AutomaticResponses 输入 输入 AverageTimePerIssue Predict Predict 调用 输入 输入 DayOfWeek 输入 输入 FactCallCenterID 密钥 密钥 IssuesRaised 输入 输入 LevelOneOperators 输入 输入 LevelTwoOperators 输入 输入 Orders 输入 输入 ServceGrade Binned 忽略 预测 (ServiceGrade) ServiceGrade Predict 忽略 Shift 输入 输入 Total Operators 输入 输入 WageType 输入 输入
处理所有模型
最后，为了确保您创建的模型易于比较，将为默认模型和装箱模型均设置种子参数。 设置种子值可保证每个模型都从同一点开始处理数据。
注意
如果不为种子参数指定一个数值，SQL Server Analysis Services 将基于模型的名称来生成一个种子。 由于这些模型始终具有不同的名称，因此您必须设置一个种子值，以确保这两个模型按相同的顺序来处理数据。
指定种子并处理模型
在“ 挖掘模型 ”选项卡中，右键单击名为“呼叫中心 - LR”的模型的列，然后选择“ 设置算法参数”。
在 HOLDOUT_SEED 参数的行中，单击“ 值”下的空单元格，然后键入
1。 单击 “确定” 。 对与此结构关联的每个模型重复此步骤。注意
选择哪个值作为种子无关紧要，关键是您需要对所有相关模型使用同一个种子。
在“ 挖掘模型 ”菜单中，选择“ 处理挖掘结构和所有模型”。 单击“ 是 ”将更新的数据挖掘项目部署到服务器。
在“ 进程挖掘模型 ”对话框中，单击“ 运行”。
单击“关闭”关闭“进程进度”对话框，然后在“进程挖掘模型”对话框中再次单击“关闭”。
至此您已创建两个相关的挖掘模型，接下来将浏览数据以发现数据中的关系。