Создание структуры и модели интеллектуального анализа. Задача кластеризации

Последнее окно мастера позволяет указать названия для структуры и модели интеллектуального анализа. Предлагаемые по умолчанию названия лучше отредактировать, так чтобы они явно указывали, что это за объект. Например, созданную структуру назовем vTargetMail_structure, а основанную на алгоритме кластеризации модель - vTargetMail_Cl. Установим также флажок "Allowdrillthrough", что позволит проводить детализацию, например, просматривать отдельные записи, относимые к тому или иному кластеру ( рис. 28.9). После чего, т.к. мы работает в режиме immediate, на сервере интеллектуального анализа будут созданы структура и модель. А в среде BIDevStudio будет открыто окно редактора, позволяющее проводить дельнейшую работу с созданными объектами. В частности, из контекстного меню на вкладке MiningStructure можно запустить обработку структуры и всех моделей ( рис. 28.10). В процессе обработки данные будет загружены в структуру и произойдет обучение моделей.

увеличить изображение
Рис. 28.9. Указание имени структуры и модели интеллектуального анализа

увеличить изображение
Рис. 28.10. Окно редактора, запуск обработка структуры данных

увеличить изображение
Рис. 28.11. Настройки при обработке структуры

Можно выбрать тип обработки объекта ( рис. 28.11):

Запускаем полную обработку для созданной структуры с настройками по умолчанию. И получаем сообщение об ошибке, что в источнике данных указано значение ImpersonationMode, которое не поддерживается для операций обработки ( рис. 28.12).

увеличить изображение
Рис. 28.12. Сообщение об ошибке при попытке обработать структуру

В "Начало работы в BIDevStudio" , посвященной созданию источника данных, отмечалось, что к настройке ImpersonationMode мы еще вернемся. Сделаем это сейчас. Закроем окна с сообщениями об ошибке и окна мастера обработки. В окне SolutionExplorer найдем используемый источник данных и откроем его в редакторе ( рис. 28.13). На вкладке Impersonation Information вместо установленного ранее "Usethecredentialsof the current user" выбираем вариант "Inherit" (наследовать). Как отмечается в справке. В этом варианте будет использоваться различные учетные записи (пользователя, службы) в зависимости от выполняемой операции.

После изменения настройки, повторно запускаем полную обработку структуры, которая сейчас должна завершиться успешно.

Рис. 28.13. Открываем источник данных в редакторе

увеличить изображение
Рис. 28.14. Меняем настройку Impersonation Information

увеличить изображение
Рис. 28.15. Результат успешной обработки структуры

После обработки можно открыть в редакторе структуру и на вкладке MiningModelViewer ознакомится с построенной моделью ( рис. 28.16). Инструмент ClusterProfiles ( рис. 28.17) позволяет увидеть характеристики выявленных кластеров. Например, кластер 4 объединяет клиентов старшего возраста (средний возраст около 63 лет), работающих в сфере управления (EnglishOccupation='Management').

Здесь же можно переименовать кластеры, провести детализацию (опция DrillThrough в контекстном меню), чтобы увидеть записи, относимые к каждому кластеру.

увеличить изображение
Рис. 28.16. Просмотр модели - диаграмма кластеров

увеличить изображение
Рис. 28.17. Просмотр характеристик выявленных кластеров

Получение номера кластера

Теперь рассмотрим, как можно получить список клиентов с идентификаторами присвоенных им кластеров. Для этого можно использовать конструкцию прогнозирующего соединения (PREDICTIONJOIN) и функцию Cluster().

В среде BIDevStudio в окне просмотра модели перейдем на вкладку MiningModelPrediction. В окне SelectInputTables нажмем кнопку SelectCaseTable и укажем откуда брать варианты: представление источника данных TargetMail_dsv и в нем vTargetMail. После этого надо выбрать список отображаемых в результатах запроса атрибутов. Пусть это будет ключ клиента (CustomerKey), его имя, отчество или второе имя и фамилия (FirstName, MiddleName, LastName) и регион проживания (Region). Также нам нужно получить значение функции Cluster ( рис. 28.18). Когда запрос сформирован в конструкторе можно переключиться к представлению результатов (кнопка с изображением таблицы на панели инструментов окна MiningModelPrediction). Результат выполнения прогнозирующего запроса приведен на рис. 28.19, а его код представлен ниже.

увеличить изображение
Рис. 28.18. Конструктор прогнозирующих запросов

увеличить изображение
Рис. 28.19. Результат выполнения запроса

SELECT
t.[CustomerKey],
t.[FirstName],
t.[MiddleName],
t.[LastName],
t.[Region],
Cluster()
From
  [vTargetMail_Cl]
PREDICTIONJOIN
OPENQUERY([Adventure Works DW],
'SELECT
      [CustomerKey],
      [FirstName],
      [MiddleName],
      [LastName],
      [Region],
      [Gender],
      [YearlyIncome],
      [TotalChildren],
      [NumberChildrenAtHome],
      [EnglishEducation],
      [EnglishOccupation],
      [NumberCarsOwned],
      [CommuteDistance],
      [Age],
      [BikeBuyer]
    FROM
      [dbo].[vTargetMail]
    ') AS t
ON
  [vTargetMail_Cl].[Gender] = t.[Gender] AND
  [vTargetMail_Cl].[Yearly Income] = t.[YearlyIncome] AND
  [vTargetMail_Cl].[Total Children] = t.[TotalChildren] AND
  [vTargetMail_Cl].[Number Children At Home] = t.[NumberChildrenAtHome] AND
  [vTargetMail_Cl].[English Education] = t.[EnglishEducation] AND
  [vTargetMail_Cl].[English Occupation] = t.[EnglishOccupation] AND
  [vTargetMail_Cl].[Number Cars Owned] = t.[NumberCarsOwned] AND
  [vTargetMail_Cl].[Commute Distance] = t.[CommuteDistance] AND
  [vTargetMail_Cl].[Region] = t.[Region] AND
  [vTargetMail_Cl].[Age] = t.[Age] AND
  [vTargetMail_Cl].[Bike Buyer] = t.[BikeBuyer]