Mingingmodellinhalt von Sequence Clustering-Modellen (Analysis Services - Data Mining)

Grundlegendes zur Struktur von Sequence Clustering-Modellen

Ein Sequence Clustering-Modell verfügt über einen einzigen übergeordneten Knoten (NOTE_TYPE = 1), der das Modell und die zugehörigen Metadaten darstellt. Der übergeordnete Knoten mit der Bezeichnung (Alle) verfügt über einen verknüpften Sequenzknoten (NODE_TYPE = 13), der alle Übergänge auflistet, die in den Trainingsdaten erkannt wurden.

Der Algorithmus erstellt darüber hinaus diverse Cluster. Dies basiert auf den Übergängen, die in den Daten und allen anderen Eingabeattributen gefunden wurden, die bei der Erstellung des Modells enthalten waren. Ein Beispiel hierfür sind die demografischen Kundendaten usw. Jeder Cluster (NODE_TYPE = 5) enthält seinen eigenen Sequenzknoten (NODE_TYPE = 13), der nur die Übergänge auflistet, die verwendet wurden, um diesen spezifischen Cluster zu erstellen. Vom Sequenzknoten aus können Sie ein Drilldown zu den Details über die einzelnen Statusübergänge vornehmen (NODE_TYPE = 14).

Eine Erklärung zu Sequenz- und Statusübergängen finden Sie unter Microsoft Sequence Clustering-Algorithmus.

Modellinhalt eines Sequence Clustering-Modells

In diesem Abschnitt werden zusätzliche Informationen über diejenigen Spalten des Miningmodellinhalts erläutert, die für das Sequence Clustering relevant sind.

• MODEL_CATALOG
  Name der Datenbank, in der das Modell gespeichert ist.

• MODEL_NAME
  Name des Modells.

• ATTRIBUTE_NAME
  Immer leer.

• NODE_NAME
  Der Name des Knotens. Aktuell der gleiche Wert wie NODE_UNIQUE_NAME.

• NODE_UNIQUE_NAME
  Der eindeutige Name des Knotens.

• NODE_TYPE
  Ein Sequence Clustering-Modell gibt die folgenden Knotentypen aus:

  Knotentyp-ID	Beschreibung
  1 (Modell)	Stammknoten für das Modell.
  5 (Cluster)	Enthält die Anzahl der im Cluster enthaltenen Übergänge, eine Liste der Attribute und die Statistik, die die Werte im Cluster beschreibt.
  13 (Sequenz)	Enthält eine Liste von im Cluster enthaltenen Übergängen.
  14 (Übergang)	Beschreibt eine Ereignissequenz in einer Tabelle, in der die erste Reihe den Startzustand enthält und alle anderen aufeinanderfolgende Zustände zusammen mit der Unterstützungs- und Wahrscheinlichkeitsstatistik enthalten.

• NODE_GUID
  Leer.

• NODE_CAPTION
  Eine Bezeichnung oder Beschriftung, die dem Knoten zu Anzeigezwecken zugeordnet ist.

  Sie können während der Verwendung des Modells die Clusterbeschriftungen umbenennen. Allerdings wird der neue Name nicht beibehalten, wenn das Modell geschlossen wird.

• CHILDREN_CARDINALITY
  Eine Schätzung der Anzahl untergeordneter Elemente des Knotens.

  Modellstamm   Kardinalitätswert, der der Anzahl der Cluster plus 1 entspricht. Weitere Informationen finden Sie unter Kardinalität.

  Clusterknoten   Kardinalität beträgt immer 1, da jeder Cluster über einen einzelnen untergeordneten Knoten verfügt, der die Liste der Sequenzen im Cluster enthält.

  Sequenzknoten   Kardinalität gibt die Anzahl von Übergängen an, die in diesem Cluster enthalten sind. Beispielsweise gibt die Kardinalität des Sequenzknotens für den Modellstamm Aufschluss darüber, wie viele Übergänge im gesamten Modell gefunden wurden.

• PARENT_UNIQUE_NAME
  Der eindeutige Name des dem Knoten übergeordneten Elements.

  Für Knoten auf der Stammebene wird NULL zurückgegeben.

• NODE_DESCRIPTION
  Wie Knotenbeschriftung.

• NODE_RULE
  Immer leer.

• MARGINAL_RULE
  Immer leer.

• NODE_PROBABILITY
  Modellstamm   Immer 0.

  Clusterknoten    Die angepasste Wahrscheinlichkeit des Clusters im Modell. Die angepassten Wahrscheinlichkeiten ergeben als Summe nicht 1, da die beim Sequence Clustering verwendete Clustermethode die partielle Mitgliedschaft in mehreren Clustern erlaubt.

  Sequenzknoten   Immer 0.

  Übergangsknoten   Immer 0.

• MARGINAL_PROBABILITY
  Modellstamm   Immer 0.

  Clusterknoten    Der gleiche Wert wie bei NODE_PROBABILITY.

  Sequenzknoten   Immer 0.

  Übergangsknoten   Immer 0.

• NODE_DISTRIBUTION
  Eine Tabelle, die Wahrscheinlichkeiten und andere Informationen enthält. Weitere Informationen finden Sie unter NODE_DISTRIBUTION-Tabelle.

• NODE_SUPPORT
  Die Anzahl der Übergänge, die diesen Knoten unterstützen. Sind daher 30 Beispiele der Sequenz "Produkt A gefolgt von Produkt B" in den Trainingsdaten vorhanden, ist die Gesamtunterstützung 30.

  Modellstamm   Gesamtanzahl der Übergänge im Modell.

  Clusterknoten    Rohunterstützung für den Cluster, d. h. Anzahl der Trainingsfälle, die Fälle zu diesem Cluster beitragen.

  Sequenzknoten   Immer 0.

  Übergangsknoten    Prozentzahl der Fälle im Cluster, die einen spezifischen Übergang darstellen. Kann 0 sein oder einen positiven Wert haben. Wird berechnet durch die Rohunterstützung für den Clusterknoten multipliziert mit der Wahrscheinlichkeit des Clusters.

  Dieser Wert gibt Aufschluss darüber, wie viele Trainingsfälle zum Übergang beigetragen haben.

• MSOLAP_MODEL_COLUMN
  Nicht anwendbar.

• MSOLAP_NODE_SCORE
  Nicht anwendbar.

• MSOLAP_NODE_SHORT_CAPTION
  Identisch mit NODE_DESCRIPTION.

Grundlegendes zu Sequenzen, Status und Übergängen

Ein Sequence Clustering-Modell verfügt über eine eindeutige Struktur, bei der zwei Arten von Objekten mit sehr unterschiedlichen Typen von Informationen definiert werden: die ersten sind Cluster und die zweiten sind Statusübergänge.

Die durch das Sequence Clustering erstellten Cluster entsprechen den Clustern, die vom Microsoft Clustering-Algorithmus erstellt werden. Jeder Cluster hat ein Profil und Eigenschaften. Allerdings enthält beim Sequence Clustering jeder Cluster zusätzlich einen einzelnen untergeordneten Knoten, der die Sequenzen in diesem Cluster auflistet. Jeder Sequenzknoten enthält mehrere untergeordnete Knoten, die die Statusübergänge mit den Wahrscheinlichkeiten im Detail beschreiben.

Es gibt fast immer mehr Sequenzen im Modell als man in einem einzelnen Fall findet, da die Sequenzen miteinander verkettet werden können. Microsoft Analysis Services speichert Zeiger von einem Status zu einem anderen, sodass Sie zählen können, wie oft jeder Übergang auftritt. Darüber hinaus findet man Informationen darüber, wie oft die Sequenz auftritt. Des Weiteren kann man die Wahrscheinlichkeit des Auftretens im Vergleich zum gesamten Satz an beobachteten Status berechnen.

Die folgende Tabelle fasst zusammen, wie Informationen im Modell gespeichert werden, und wie die Knoten in Beziehung stehen.

NODE_DISTRIBUTION-Tabelle

Kardinalität

Exemplarische Vorgehensweise für die Struktur

Ein Beispiel kann verdeutlichen, wie die Informationen gespeichert und wie diese interpretiert werden können. Beispielsweise können Sie die längste Auftragsnummer, d. h. die längste beobachtete Kette in den zugrunde liegenden AdventureWorksDW-Daten, über die folgende Abfrage ausfindig machen:

USE AdventureWorksDW
SELECT DISTINCT OrderNumber, Count(*)
FROM vAssocSeqLineItems
GROUP BY OrderNumber
ORDER BY Count(*) DESC

Aus diesen Ergebnissen ergibt sich, dass die Auftragsnummern "SO72656", "SO58845" und "SO70714" mit jeweils acht die längsten Sequenzen enthalten. Mithilfe von Bestellungs-IDs können Sie die Details einer bestimmten Bestellung einsehen, um festzustellen, welche Artikel in welcher Bestellung gekauft wurden.

Aber einige Kunden, die den Mountain-500 kaufen, könnten andere Produkte kaufen. Sie können alle Produkte, die dem Mountain-500 folgen, einsehen, indem Sie auf die Liste der Sequenzen im Modell zugreifen. Die folgenden Prozeduren führen Sie schrittweise durch die Vorgehensweise beim Ansehen dieser Sequenzen über die beiden Viewer, die in Analysis Services bereitgestellt werden:

So zeigen Sie verwandte Sequenzen mit dem Sequence Clustering-Viewer an

So zeigen Sie verwandte Sequenzen mit dem Viewer für generische Modellinhalte an

Die folgende Tabelle zeigt die Ergebnisse aus der NODE_DISTRIBUTION-Tabelle und die gerundeten Wahrscheinlichkeitswerte, die im grafischen Viewer angezeigt werden.

Obwohl der Fall, den wir anfangs aus den Trainingsdaten ausgewählt hatten, das Produkt "Mountain-500" gefolgt von "LL Mountain Tire" enthielt, sieht man, dass es viele weitere mögliche Sequenzen gibt. Um detaillierte Informationen über jeden Cluster zu finden, müssen Sie den Vorgang des Drilldowns aus der Liste der Sequenzen im Cluster auf die tatsächlichen Übergänge für jeden Status oder jedes Produkt wiederholen.

Sie können von der in einem bestimmten Cluster aufgelisteten Sequenz zur Übergangszeile springen. Von dieser Übergangszeile aus können Sie bestimmen, welches Produkt danach folgt, und zu diesem Produkt in der Liste der Sequenzen zurückkehren. Durch die Wiederholung dieses Prozesses für jeden ersten und zweiten Status können Sie sich durch lange Statusketten arbeiten.

Verwenden von Sequenzinformationen

Ein übliches Szenario für Sequence Clustering ist die Nachverfolgung von Benutzeraufrufen einer Website. Rühren die Daten beispielsweise aus Datensätzen über Kundenkäufe auf der E-Commerce-Website von Adventure Works her, könnte das resultierende Sequence Clustering-Modell genutzt werden, um Benutzerverhalten abzuleiten, die E-Commerce-Website zur Lösung von Navigationsproblemen neu zu gestalten oder Produkte zu bewerben.

Beispielsweise könnte die Analyse aufzeigen, dass Benutzer unabhängig von den demografischen Daten immer eine bestimmte Produktreihe verfolgen. Darüber hinaus könnten Sie herausfinden, dass die Benutzer häufig die Website verlassen, nachdem sie auf ein bestimmtes Produkt geklickt haben. Anhand dieser Ergebnisse könnten Sie über zusätzliche Maßnahmen nachdenken, mit denen Benutzer auf Ihrer Website gehalten werden.

Wenn Sie über keine zusätzlichen Informationen verfügen, die zur Klassifizierung Ihrer Benutzer herangezogen werden könnten, können Sie die Sequenzinformationen nutzen, um Daten über die Navigation zu sammeln und so ein besseres Verständnis über das Gesamtverhalten zu erhalten. Wenn Sie allerdings Informationen über Kunden sammeln und diese Informationen mit Ihrer Kundendatenbank abgleichen können, sind Sie in der Lage, das Clustering mit der Vorhersage über Sequenzen zu kombinieren, um Empfehlungen zu erstellen, die auf den Benutzer zugeschnitten sind oder auf dem Navigationspfad zur aktuellen Seite basieren.

Eine weitere Verwendungsmöglichkeit der umfangreichen Status- und Übergangsinformationen, die von einem Sequence Clustering-Modell zusammengestellt werden, ist es, herauszufinden, welche möglichen Pfade nie genutzt werden. Wenn die Seiten 1–4 beispielsweise sehr viele Besucher aufweisen, die allerdings nicht auf Seite 5 gelangen, könnten Sie prüfen, ob Probleme vorliegen, die eine Navigation auf die Seite 5 verhindern. Dies können Sie über die Abfrage des Modellinhalts und dessen Vergleich mit einer Liste der möglichen Pfade erreichen. Diagramme, die Aufschluss über alle Navigationspfade auf einer Website geben, können programmgesteuert oder mithilfe diverser Website-Analysetools erstellt werden.

Informationen darüber, wie Sie eine Liste der beobachteten Pfade durch die Abfrage des Modellinhalts erhalten, und Beispiele für Abfragen eines Sequence Clustering-Modells finden Sie unter Abfragen eines Sequenzclustermodells (Analysis Services - Data Mining).

Siehe auch

Konzepte