共用方式為


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

  1. 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。

  2. 以滑鼠右鍵按一下 [結構] 資料行,選取 [新增採礦模型]

  3. [新增採礦模型] 對話方塊的 [模型名稱] 中,輸入 TM_Clustering。

  4. [演算法名稱] 中,選取 [Microsoft 群集]

  5. 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

  1. 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]

  2. [新增採礦模型] 對話方塊的 [模型名稱] 底下,輸入 TM_NaiveBayes。

  3. [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][Yearly Income] 等連續的資料行。

  4. 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。