將新模型加入至目標郵寄結構 (基本資料採礦教學課程)
在這項工作中，您將利用資料採礦設計師的 [採礦模型] 索引標籤來定義另外兩個模型。您將會使用 Microsoft 群集和 Microsoft 貝氏機率分類演算法來建立模型。之所以選擇這兩種演算法，是因為它們可以預測離散值 (例如自行車購買)。如需有關這些演算法的詳細資訊，請參閱＜Microsoft 群集演算法＞和＜Microsoft 貝氏機率分類演算法＞。
若要建立群集採礦模型
在 Business Intelligence Development Studio 中，切換到資料採礦設計師的 [採礦模型] 索引標籤。
請注意，這個設計師會顯示兩個資料行，也就是您在上一課所建立的採礦結構和 TM_Decision_Tree 採礦模型，各有一個資料行。
以滑鼠右鍵按一下 [結構] 資料行，選取 [新增採礦模型]。
在 [新增採礦模型] 對話方塊的 [模型名稱] 中，輸入 TM_Clustering。
在 [演算法名稱] 中，選取 [Microsoft 群集]。
按一下 [確定]。
此時在資料採礦設計師的 [採礦模型] 索引標籤中，會出現一個新的模型。以 Microsoft 群集演算法建立的這個模型，會將具有類似特性的客戶群組到群集之中，然後針對各群集預測自行車購買行為。雖然您可以修改新模型的資料行用法和屬性，但在這個教學課程中，TM_Clustering 模型不需要任何變更。
若要建立貝氏機率分類採礦模型
在資料採礦設計師的 [採礦模型] 索引標籤中，以滑鼠右鍵按一下**[結構]** 資料行，再選取 [新增採礦模型]。
在 [新增採礦模型] 對話方塊的 [模型名稱] 底下，輸入 TM_NaiveBayes。
在 [演算法名稱] 中，選取 [Microsoft 貝氏機率分類]，然後按一下 [確定]。
此時會出現一則訊息，說明 Microsoft 貝氏機率分類演算法不支援 [Age] 和 [Yearly Income] 等連續的資料行。
按一下 [是] 來確認訊息，並繼續作業。
此時在資料採礦設計師的 [採礦模型] 索引標籤中，會出現一個新的模型。雖然您可以在這個索引標籤中修改所有模型的資料行用法和屬性，但在這個教學課程中，TM_NaiveBayes 模型不需要任何變更。