Microsoft シーケンス クラスタ アルゴリズム テクニカル リファレンス (Analysis Services - データ マイニング)

Microsoft シーケンス クラスタ アルゴリズムの実装

Microsoft シーケンス クラスタ モデルでは、Markov モデルを使用して、シーケンスの特定やシーケンスの確率の決定を行います。Markov モデルは、さまざまな状態の間の遷移を格納する有向グラフです。Microsoft シーケンス クラスタ アルゴリズムでは n 次 Markov 連鎖を使用します。隠れ Markov モデルは使用しません。

Markov 連鎖の次数は、現在の状態の確率を決定するために使用される状態の数を示しています。1 次 Markov モデルでは、現在の状態の確率は直前の状態のみに依存します。2 次 Markov 連鎖では、状態の確率は前の 2 つの状態に依存し、以下同様に増えていきます。Markov 連鎖ごとに、状態の各組み合わせの遷移が遷移マトリックスに格納されます。Markov 連鎖が長くなるにつれ、マトリックスのサイズも指数関数的に大きくなり、マトリックスが非常に疎になります。処理時間も比例して長くなります。

特定のサイトの Web ページへのアクセスを分析するクリックストリーム分析の例を使用して、連鎖がどうなるかを思い浮かべてみるとわかりやすくなります。各ユーザーによって、セッションごとにクリックの長いシーケンスが作成されます。Web サイトでのユーザーの行動を分析するモデルを作成する場合、トレーニングに使用するデータセットは、同じクリック パスのインスタンスの総数を含むグラフに変換される URL のシーケンスです。たとえば、このグラフには、ユーザーがページ 1 からページ 2 に移動する確率 (10%)、ユーザーがページ 1 からページ 3 に移動する確率 (20%) などが含まれます。すべての有効なパスおよび部分的なパスを合わせると、いずれか 1 つのパスを監視する場合よりもずっと長く複雑なグラフになります。

既定では、Microsoft シーケンス クラスタ アルゴリズムではクラスタリングの Expectation Maximization (EM) 手法を使用します。詳細については、「Microsoft クラスタリング アルゴリズム テクニカル リファレンス」を参照してください。

クラスタリングの対象の属性は、シーケンシャルかどうかに依存しません。各クラスタは、確率分布を使用してランダムに選択されます。各クラスタには、パスの完全なセットを表す Markov 連鎖、およびシーケンスの状態遷移と確率を含むマトリックスがあります。初期分布に基づいて、特定のクラスタで、シーケンスなど任意の属性の確率が Bayes ルールを使用して計算されます。

Microsoft シーケンス クラスタ アルゴリズムでは、モデルへの非シーケンシャル属性の追加がサポートされています。つまり、一般的なクラスタ モデルの場合と同様に、追加属性をシーケンス属性と組み合わせて、類似する属性を含むケースのクラスタを作成できます。

傾向として、シーケンス クラスタ モデルでは、一般的なクラスタ モデルより多くのクラスタを作成します。そのため、Microsoft シーケンス クラスタ アルゴリズムでは、クラスタ分解を実行して、シーケンスやその他の属性に基づいてクラスタを分割します。

シーケンス クラスタ モデルでの機能の選択

パフォーマンスの最適化

シーケンス クラスタ アルゴリズムのカスタマイズ

Microsoft シーケンス クラスタ アルゴリズムでは、結果として得られるマイニング モデルの動作、パフォーマンス、および精度に影響を与えるパラメータがサポートされています。また、アルゴリズムによるトレーニング データの処理方法を制御するモデリング フラグを設定して、完成したモデルの動作を変更することもできます。

アルゴリズム パラメータの設定

モデリング フラグ

要件

ケース テーブルにはケース ID 列が必要です。オプションで、ケースに関する属性を格納する他の列をケース テーブルに含めることができます。

Microsoft シーケンス クラスタ アルゴリズムには、入れ子になったテーブルとして格納されるシーケンス情報が必要です。入れ子になったテーブルには、1 つの Key Sequence 列が必要です。Key Sequence 列には、文字列データ型など、並べ替え可能な任意の型のデータを含めることができますが、ケースごとに一意の値を含める必要があります。さらに、モデルを処理する前に、ケース テーブルと入れ子になったテーブルの両方が、テーブルを関連付けるキーに基づいて昇順に並べ替えられていることを確認する必要があります。

注
Microsoft シーケンス アルゴリズムを使用するがシーケンス列は使用しないモデルを作成する場合、結果として得られるモデルでは、シーケンスが含まれるのではなく、モデルに含まれている他の属性に基づいてケースがクラスタ化されるだけです。

入力列と予測可能列

説明

• シーケンスの予測 (PredictSequence (DMX) 関数の使用) は、SQL Server Enterprise でのみ使用できます。

• Microsoft シーケンス クラスタ アルゴリズムでは、Predictive Model Markup Language (PMML) を使用したマイニング モデルの作成はサポートされていません。

• Microsoft シーケンス クラスタ アルゴリズムでは、ドリルスルー、OLAP マイニング モデルの使用、およびデータ マイニング ディメンションの使用がサポートされています。

関連項目

参照

概念