Data Mining-Algorithmen
Der Data Mining-Algorithmus ist ein Mechanismus, der Miningmodelle erstellt. Der Algorithmus analysiert zunächst Daten auf der Suche nach bestimmten Mustern und Trends, um ein Modell zu erstellen. Mithilfe der Ergebnisse dieser Analyse definiert der Algorithmus anschließend die Parameter für das Miningmodell.
Das von einem Algorithmus erstellte Miningmodell kann verschiedene Formen annehmen, einschließlich der folgenden:
- Eine Gruppe von Regeln, die beschreiben, wie Produkte bei einer Transaktion gruppiert werden.
- Ein Entscheidungsbaum, der vorhersagt, ob ein bestimmter Kunde ein Produkt kaufen wird.
- Ein mathematisches Modell zum Vorhersagen von Umsätzen.
- Eine Reihe von Clustern, die die Beziehungen der Fälle in einem Dataset beschreiben.
Microsoft SQL Server 2005 Analysis Services (SSAS) stellt verschiedene Algorithmen bereit, die in den Data Mining-Projektmappen verwendet werden können. Diese Algorithmen sind eine Teilmenge aller Algorithmen, die für Data Mining verwendet werden können. Sie können darüber hinaus Algorithmen von Drittanbietern verwenden, die der Spezifikation OLE DB für Data Mining entsprechen. Weitere Informationen zu Algorithmen von Drittanbietern finden Sie unter Plug-In-Algorithmen.
Überprüfen der Algorithmen
Analysis Services enthält die folgenden Algorithmentypen:
- Klassifikationsalgorithmen sagen basierend auf den anderen Attribute im Dataset mindestens eine diskrete Variable voraus. Ein Beispiel für einen Klassifikationsalgorithmus ist der Microsoft Decision Trees-Algorithmus.
- Regressionsalgorithmen sagen basierend auf anderen Attribute im Dataset mindestens eine kontinuierliche Variable voraus. Ein Beispiel für einen Regressionsalgorithmus ist der Microsoft Time Series-Algorithmus.
- Segmentierungsalgorithmen teilen Daten in Gruppen oder Cluster aus Elementen auf, die ähnliche Eigenschaften haben. Ein Beispiel für einen Segmentierungsalgorithmus ist der Microsoft Clustering-Algorithmus.
- Zuordnungsalgorithmen suchen nach Korrelationen zwischen verschiedenen Attributen in einem Dataset. Die häufigste Anwendung dieser Algorithmusart besteht im Erstellen von Zuordnungsregeln, die für eine Warenkorbanalyse verwendet werden können. Ein Beispiel für einen Zuordnungsalgorithmus ist der Microsoft Association-Algorithmus.
- Sequenzanalysealgorithmen fassen häufige Datensequenzen oder -periodizitäten, z. B. einen Webpfadfluss zusammen. Ein Beispiel für einen Sequenzanalysealgorithmus ist der Microsoft Sequence Clustering-Algorithmus.
Anwenden der Algorithmen
Das Auswählen des richtigen Algorithmus für eine bestimmte Geschäftsaufgabe kann eine Herausforderung sein. Während verschiedene Algorithmen zum Ausführen derselben Geschäftsaufgabe verwendet werden können, liefert jeder Algorithmus ein anderes Ergebnis und einige Algorithmen können mehr als eine Ergebnisart ergeben. Sie können z. B. den Microsoft Decision Trees-Algorithmus nicht nur für Vorhersagen verwenden, sondern auch als Möglichkeit, die Anzahl der Spalten in einem Dataset zu reduzieren, weil der Entscheidungsbaum Spalten identifizieren kann, die sich nicht auf das endgültige Miningmodell auswirken.
Sie müssen die Algorithmen außerdem nicht unabhängig von einander verwenden. In einer einzelnen Data Mining-Projektmappe können einige Algorithmen zum Durchsuchen von Daten und andere Algorithmen zum Vorhersagen bestimmter Ausgaben auf Grundlage dieser Daten verwendet werden. Sie können z. B. einen Clusteringalgorithmus zum Erkennen von Mustern verwenden, um Daten in mehr oder weniger homogene Gruppen aufzuteilen, und im Anschluss daran mit den Ergebnissen ein besseres Entscheidungsbaummodell erstellen. Sie können mehrere Algorithmen innerhalb einer Projektmappe zum Ausführen separater Aufgaben verwenden, z. B. können Sie mit einem Regressionsstrukturalgorithmus Finanzprognosen erstellen und eine Warenkorbanalyse mit einem regelbasierten Algorithmus ausführen.
Mithilfe von Miningmodellen können Werte vorhergesagt, Datenzusammenfassungen erstellt und verborgene Korrelationen gesucht werden. In der folgenden Tabelle finden Sie Empfehlungen zum Verwenden von Algorithmen für bestimmte Aufgaben, die Ihnen beim Auswählen der Algorithmen für eine Data Mining-Projektmappe helfen sollen.
| Aufgabe | Microsoft-Algorithmen |
|---|---|
Vorhersagen eines diskreten Attributs. Wenn Sie z. B. vorhersagen möchten, ob der Empfänger einer Targeted Mailing-Kampagne ein Produkt kaufen wird. |
Microsoft Decision Trees-Algorithmus Microsoft Naive Bayes-Algorithmus |
Vorhersagen eines kontinuierlichen Attributs. Wenn Sie z. B. den Verkaufstrend für das nächste Jahr vorhersagen möchten. |
|
Vorhersagen einer Sequenz. Wenn Sie z. B. eine Clickstreamanalyse einer Unternehmenswebsite ausführen möchten. |
|
Suchen von Gruppen aus allgemeinen Elementen in Transaktionen. Wenn Sie z. B. die Warenkorbanalyse verwenden möchten, um einem Kunden weitere Produkte vorzuschlagen. |
|
Suchen von Gruppen mit ähnlichen Elementen. Wenn Sie z. B. demografische Daten in Gruppen segmentieren möchten, um die Beziehungen zwischen den Attributen besser zu verstehen. |
Weil jedes Modell einen unterschiedlichen Ergebnistyp zurückgibt, stellt Analysis Services einen separaten Viewer für jeden Algorithmus bereit. Wenn Sie ein Miningmodell in Analysis Services durchsuchen, wird das Modell im Data Mining-Designer auf der Registerkarte Miningmodell-Viewer mit dem jeweils geeigneten Viewer für das Modell angezeigt. Weitere Informationen finden Sie unter Anzeigen eines Data Mining-Modells.
Algorithmusdetails
Mit Funktionen können Sie die Ergebnisse erweitern, die von einem Miningmodell zurückgegeben werden. Die folgende Tabelle führt die Funktionen auf, die von allen Algorithmen in Analysis Services unterstützt werden.
Einzelne Algorithmen unterstützen möglicherweise weitere Funktionen. In keinem der von Microsoft bereitgestellten Algorithmen sind doppelte Schlüssel zulässig.
Siehe auch
Konzepte
Data Mining-Konzepte
Miningstrukturen (Analysis Services)
Microsoft Association-Algorithmus
Microsoft Clustering-Algorithmus
Microsoft Decision Trees-Algorithmus
Microsoft Naive Bayes-Algorithmus
Microsoft Neural Network-Algorithmus (SSAS)
Microsoft Sequence Clustering-Algorithmus
Microsoft Time Series-Algorithmus
Microsoft Linear Regression-Algorithmus
Microsoft Logistic Regression-Algorithmus
Plug-In-Algorithmen
Verwenden der Data Mining-Tools
Andere Ressourcen
Data Mining-Erweiterungen (DMX) – Referenz