中间数据挖掘教程（Analysis Services - 数据挖掘）

Microsoft Analysis Services 提供了用于创建和使用数据挖掘模型的集成环境。可以轻松地绑定到数据源，在同一数据上创建和测试多个模型，并部署模型以用于预测分析。

在基本数据挖掘教程中，你学习了如何使用 SQL Server Data Tools （SSDT）创建数据挖掘解决方案，并构建了三个模型，以支持目标邮件市场活动，以分析客户购买行为和面向潜在买家。

此中间教程基于该体验并引入了多个新方案，包括预测和市场篮分析等常见业务要求。你将了解如何创建时序模型、关联模型和序列聚类分析模型。最后，你将了解如何使用神经网络来探索数据相关性，以及如何使用逻辑回归进行预测。

课程是独立的，可以单独完成。

若要完成以下教程，应熟悉数据挖掘工具和基本数据挖掘教程中引入的挖掘模型查看器。

所有方案都使用 AdventureWorksDW2012 数据源，但你将为不同的方案创建不同的数据源视图。只要先创建数据源，就可以按任意顺序执行课程。

课程方案

在目标邮件活动取得成功后，系统会要求你应用数据挖掘知识，以开发多个新模型，以便在业务规划中使用。其中包括以下任务：

预测： 你将创建一个时序模型，以预测世界各地的不同地区的产品销售额。你将为每个区域开发单个模型，并了解如何使用 交叉预测。
市场篮分析： 你将创建 关联模型，以分析访问 Adventure Works Cycles 电子商务网站期间购买的产品分组。根据此市场篮模型，可以向客户推荐产品。
序列分析： 构建 序列聚类分析模型，以分析客户购买产品的顺序。根据此模型，可以规划网站设计或新产品/服务的更改。
因素分析： 使用 神经网络 模型来探索呼叫中心数据中服务质量不佳的可能原因。根据初步模型的见解，你将创建 逻辑回归模型 来预测改善客户体验的策略。

本教程介绍如何创建和使用多种类型的数据挖掘算法。本教程分为以下课程：

第 1 课：创建中间数据挖掘解决方案（中间数据挖掘教程）
在本课中，你将基于 AdventureWorksDW2012 数据库创建新项目，以支持多个新的数据源视图和更多挖掘模型。

第 2 课：构建预测方案（中间数据挖掘教程）
在本课中，你将创建一个挖掘模型，该模型可用作预测方案的一部分。你还将探索使用Microsoft时序算法生成的挖掘模型。

你将为各个区域生成模型，然后生成可用于交叉预测的常规模型。

第 3 课：构建购物篮分析场景（中级数据挖掘教程）
在本课中，你将添加新的数据源视图，并了解如何使用嵌套表和密钥。根据此数据，你将创建一个挖掘模型，该模型可用作市场篮方案的一部分。还将探索使用 Microsoft 关联算法生成的挖掘模型。

第 4 课：构建序列聚类分析方案（中间数据挖掘教程）
在本课中，你将创建一个挖掘模型，该模型可用作序列聚类分析方案的一部分。你还将了解如何探索使用Microsoft序列聚类分析算法生成的挖掘模型。

第 5 课：构建神经网络和逻辑回归模型（中间数据挖掘教程）
在本课中，你将使用Microsoft神经网络和Microsoft逻辑回归算法创建多个相关的挖掘模型。你还将了解如何使用数据源视图来浏览模型基础的数据。

请确保已安装以下内容：

默认情况下，不会安装示例数据库，以提高安全性。若要安装 Microsoft SQL Server 的官方数据库，请访问 Microsoft SQL 示例数据库页并选择相应的示例数据库版本。