Microsoft 時序群集演算法技術參考

適用于：SQL Server 2019 和更早版本的 Analysis Services Azure Analysis Services Fabric/Power BI Premium

重要

資料採礦自 SQL Server 2017 Analysis Services 起退場，現在的 SQL Server 2022 Analysis Services 已不再繼續提供。 已退場和不再繼續提供之功能的文件不予更新。 若要深入了解，請參閱 Analysis Services 回溯相容性。

Microsoft 時序叢集演算法是一種混合式演算法，它使用 Markov 鏈結分析來識別已排序的時序，並結合此分析的結果與叢集技術，根據模型中的時序和其他屬性產生叢集。 本主題描述演算法的實作、如何自訂演算法，以及時序叢集模型的特殊需求。

如需有關演算法的一般詳細資訊，包括如何瀏覽和查詢時序叢集模型，請參閱＜ Microsoft Sequence Clustering Algorithm＞。

Microsoft 時序群集演算法的實作

Microsoft 時序叢集模型使用 Markov 模型來識別時序，並判斷時序的機率。 Markov 模型是一種導向圖形，可儲存不同狀態間的轉換。 Microsoft 時序叢集演算法使用 n 順序的 Markov 鏈結，而非隱藏的 Markov 模型。

Markov 鏈結中的順序數目會告訴您使用多少個狀態判斷目前狀態的機率。 在第一優先順序的 Markov 模型中，目前狀態的機率僅取決於先前的狀態。 在第二優先順序的 Markov 鏈結中，狀態的機率取決於先前的兩個狀態，以此類推。 轉換矩陣會針對每個 Markov 鏈結儲存每個狀態組合的轉換。 當 Markov 鏈結的長度增加時，矩陣的大小也會以指數方式增加，而且該矩陣會變得相當疏鬆。 處理時間也會等比例地增加。

這可能有助於使用點選流分析的範例視覺化鏈結，以分析網頁的查閱次數。 每個使用者都會針對每個工作階段建立一長串的點選。 當您建立模型來分析網站上的使用者行為時，用於定型的資料集就是轉換為圖形的一連串 URL，其中包含相同點選路徑之所有執行個體的計數。 例如，此圖形包含使用者從第 1 頁移到第 2 頁的機率 (10%)、使用者從第 1 頁移到第 3 頁的機率 (20%) 等等。 當您將所有可能的路徑與路徑片段放在一起時，您會取得可能比任何單一已觀察路徑更長、更複雜的圖形。

根據預設，Microsoft 時序群集演算法使用 Expectation Maximization (EM) 群集方法。 如需詳細資訊，請參閱 Microsoft 群集演算法技術參考。

群集的目標為循序與非循序屬性。 每個群集都會使用機率分配隨機選取。 每個群集都有一個代表一組完整路徑的 Markov 鏈結，以及包含時序狀態轉換和機率的矩陣。 根據初始分配，貝氏機率分類規則用於計算特定群集中任何屬性的機率，包括時序。

Microsoft 時序叢集演算法支援模型額外的非循序屬性。 也就是說，這些額外的屬性會結合時序屬性，就像在一般叢集模型般建立具有類似屬性之案例的群集。

時序群集模型傾向於建立比一般叢集模型還要更多的叢集。 因此，Microsoft 時序群集演算法會根據時序及其他屬性執行 「群集分解」(Cluster Decomposition) 來分割群集。

時序叢集模型中的特徵選取

特徵選取不會在建立時序時叫用，但是特徵選取會在群集階段套用。

模型類型	特徵選取方法	註解
時序群集	未使用	尚未叫用特徵選取。不過，您可以藉由設定 MINIMUM_SUPPORT 和 MINIMUM_PROBABILIITY 參數的值，控制演算法的行為。
叢集	有趣性分數	雖然群集演算法可以使用離散或離散化的演算法，但每個屬性的分數都會計算為距離，而且是連續的；因此會使用有趣性分數。

如需詳細資訊，請參閱 Feature Selection。

最佳化效能

Microsoft 時序群集演算法支援各種最佳化處理的方式：

• 設定 CLUSTER_COUNT 參數的值來控制所產生之群集的數目。

• 增加 MINIMUM_SUPPORT 參數的值來減少當做屬性加入之時序的數目。 因此，系統會刪除極少數的序列。

• 處理模型前，將相關的屬性分組來降低複雜度。

一般而言，您可以利用數種方式，使 n 順序 Markov 鏈結模式的效能最佳化：

• 控制可能時序的長度。

• 以程式設計方式減少 n 的值。

• 只儲存超過指定之臨界值的機率。

這些方法的完整討論超出本主題的範圍。

自訂時序群集演算法

Microsoft 時序群集演算法支援影響所產生採礦模型行為、效能和精確度的參數。 您也可以設定控制演算法處理定型資料之方式的模型旗標，修改已完成之模型的行為。

設定演算法參數

下表描述可搭配 Microsoft 時序群集演算法使用的參數。

CLUSTER_COUNT
指定演算法要建立的大約群集數目。 如果無法從資料建立大約群集數目，則演算法會盡可能建立最多的群集。 將 CLUSTER_COUNT 參數設定為 0，會導致演算法使用啟發式來判斷可建立的最佳群集數目。

預設值為 10。

注意

指定非零的數字做為演算法的提示，這樣會繼續尋找指定之數字的目標，但最後可能會找到更多或更少的結果。

MINIMUM_SUPPORT
指定支援屬性建立群集所需之案例的最小數目。

預設值為 10。

MAXIMUM_SEQUENCE_STATES
指定一個順序可以具有的最大狀態數目。

將此值設定為大於 100 的數字，可能會導致演算法建立一個無法提供有用資訊的模型。

預設值為 64。

MAXIMUM_STATES
針對演算法支援的非順序屬性指定最大狀態數目。 如果非序列屬性的狀態數目大於狀態數目上限，則演算法會使用屬性最熱門的狀態，並將其餘狀態視為 Missing。

預設值為 100。

模型旗標

支援下列模型旗標搭配 Microsoft 時序群集演算法使用。

NOT NULL
表示資料行不能包含 Null 值。 如果 Analysis Services 在模型定型期間遇到 Null 值，將會產生錯誤。

適用於採礦結構資料行。

MODEL_EXISTENCE_ONLY
表示資料行將被視為擁有兩個可能狀態： Missing 和 Existing。 Null 值會被視為 Missing 值。

適用於採礦模型資料行。

如需在採礦模型中使用遺漏值，以及遺漏值如何影響機率分數的詳細資訊，請參閱 遺漏值 (Analysis Services - 資料採礦) 。

規格需求

案例資料表必須有一個案例識別碼資料行。 案例資料表可以選擇性地包含儲存案例之相關屬性的其他資料行。

Microsoft 時序群集演算法需要儲存為巢狀資料表的時序資訊。 巢狀資料表必須有一個單一的 Key Sequence 資料行。 Key Sequence 資料行可以包含能夠儲存的任何資料類型，包括字串資料類型，但資料行對於每個案例，必須包含唯一的值。 此外，處理模型前，您必須確認案例資料表與巢狀資料表都根據與資料表相關的索引鍵，以遞增方式排序。

注意

如果您建立使用 Microsoft 時序演算法但不使用時序資料行的模型，所產生的模型將不包含任何時序，但是將只根據模型中包含的其他屬性群集案例。

輸入和可預測資料行

Microsoft Sequence Clustering 演算法支援下表所列的特定輸入資料行和可預測資料行。 如需採礦模型中使用內容類型的意義詳細資訊，請參閱 內容類型 (資料採礦) 。

資料行	內容類型
輸入屬性	Continuous、Cyclical、Discrete、Discretized、Key、Key Sequence、Table 和 Ordered
可預測屬性	Continuous、Cyclical、Discrete、Discretized、Table 和 Ordered

備註

• 使用 PredictSequence (DMX) 函式來預測序列。 如需支援順序預測之SQL Server版本的詳細資訊，請參閱SQL Server 2012 () https://go.microsoft.com/fwlink/?linkid=232473 版本支援的功能。

• Microsoft 時序群集演算法不支援使用預測模型標記語言 (PMML) 來建立採礦模型。

• Microsoft 時序叢集演算法支援鑽研、使用 OLAP 採礦模型，以及使用資料採礦維度。

另請參閱

Microsoft 時序叢集演算法
時序叢集模型查詢範例
時序群集模型的採礦模型內容 (Analysis Services - 資料採礦)