中繼資料採礦教學課程 (Analysis Services - 資料採礦)

Microsoft Analysis Services 提供了一種用來建立和使用資料採礦模型的整合式環境。您可以輕易地繫結資料來源、以相同資料建立及測試多個模型，以及部署模型以供預測分析。

在基本資料採礦教學課程中，您學會了如何使用 SQL Server Data Tools (SSDT) 建立資料採礦方案，並且建立了三個模型來支援目標郵寄行銷資料，以供分析客戶購買行為與目標潛在購買者。

這個中繼教學課程會進一步運用這些工具，並且介紹許多新狀況，包括像是預測和購物籃分析等常見的商業需求。您將學習如何建立時間序列模型、關聯模型以及時序群集模型。最後，您將學習如何使用類神經網路探索資料的相關性，以及使用羅吉斯迴歸進行預測。

這些課程都是獨立的，而且可以分開完成。

若要完成下列教學課程，您應該熟悉在基本資料採礦教學課程中介紹的資料採礦工具與採礦模型檢視器。

所有狀況都使用 AdventureWorksDW2012 資料來源，不過您需要為不同的狀況建立不同的資料來源。只要先建立資料來源，就可以依任何順序進行課程。

課程狀況

當您成功完成目標郵寄行銷資料後，接著要運用您的資料採礦知識，開發數種新模型以便用於商務計畫。這些包括下列工作：

預測：您將建立「時間序列」(Time Series) 模型，用來預測全世界不同區域的產品銷售狀況。您將為各區域開發個別的模型，並且學習如何使用「交叉預測」(Cross-prediction)。
購物籃分析：您將建立「關聯模型」(Association Model)，用來分析客戶造訪 Adventure Works Cycles 電子商務網站時所購買的產品群組。您可以根據這個購物籃模型向客戶提供產品建議。
時序分析：您會建立「時序群集模型」(Sequence Clustering Model)，用來分析客戶購買產品的順序。您可以根據這個模型，計畫網站設計變更或規劃新產品內容。
因素分析：您會使用「類神經網路」(Neural Network) 模型探索客服中心資料中服務品質不佳的可能原因。根據來自初步模型的資料，您將建立「羅吉斯迴歸模型」(Logistic Regression Model)，用來預測改善客戶體驗的策略。

這個教學課程告訴您如何建立和使用各種類型的資料採礦演算法。這個教學課程分成下列課程：

第 1 課：建立中繼資料採礦方案 (中繼資料採礦教學課程)
在這一課，您將根據 AdventureWorksDW2012 資料庫建立新專案，以便支援多個新資料來源檢視和更多的採礦模型。
第 2 課：建立預測案例 (中繼資料採礦教學課程)
在這個課程中，您將建立預測狀況中所能使用的採礦模型。另外，您還將探索 Microsoft 時間序列演算法建立的採礦模型。

您將為各區域建立個別的模型，然後建立一個用來交叉預測的一般模型。
第 3 課：建立購物籃狀況 (中繼資料採礦教學課程)
在這個課程中，您將加入新的資料來源檢視，並學習如何使用巢狀資料表與索引鍵。根據這項資料，您將建立購物籃狀況中所能使用的採礦模型。此外，您還將探索 Microsoft 關聯分析演算法建立的採礦模型。
第 4 課：建立時序群集案例 (中繼資料採礦教學課程)
在這個課程中，您將建立時序群集狀況中所能使用的採礦模型。另外，您也將學習如何探索 Microsoft 時序群集演算法所建立的採礦模型。
第五課：建立類神經網路和羅吉斯迴歸模型 (中繼資料採礦教學課程)
在這一課，您將使用 Microsoft 類神經網路演算法和 Microsoft 羅吉斯迴歸演算法，建立數個相關的採礦模型。另外，您也將學習如何使用資料來源檢視探索模型的基礎資料。

請確定已安裝下列項目：

為了加強安全性，系統預設不會安裝範例資料庫。若要安裝 Microsoft SQL Server 的正式資料庫，請造訪 Microsoft SQL 範例資料庫頁面，並選取適當版本的範例資料庫。