创建神经网络结构和模型（数据挖掘中级教程）

在解决方案资源管理器中，双击刚刚创建的挖掘结构。

在“挖掘结构”选项卡中单击**“添加挖掘结构列”**。

在**“选择列”对话框中，从“源列”的列表中选择 ServiceGrade，然后单击“确定”**。

一个新的列添加到挖掘结构列的列表中。 默认情况下，这个新的挖掘列具有与现有列相同的名称，并有一个数值后缀，如 ServiceGrade 1。 您可以更改该列的名称，使其更具描述性。 您还将指定离散化方法。

右键单击 ServiceGrade 1，然后选择**“属性”**。

在**“属性”窗口中，找到“名称”**属性，然后将名称更改为 Call Center Binned NN。

出现一个对话框，询问您是否要对所有相关的挖掘模型列的名称进行同样的更改。 单击**“否”**。

在**“属性”窗口中，找到“数据类型”**部分，然后根据需要展开。

将属性 Content 的值从 Continuous 更改为 Discretized。

以下属性现在可用。 按下表所示更改属性值：

注意
DiscretizationBucketCount 的默认值实际为 0，这意味着算法将自动确定存储桶的最佳数量。 因此，如果希望将该属性的值重置为其默认值，请键入 0。

在数据挖掘设计器中单击**“挖掘模型”**选项卡。

请注意，在您添加挖掘结构列的副本时，该副本的用法标志将自动设置为 Ignore。 其原因在于，当您向挖掘结构中添加列的副本时，您不应将该副本与原始列一起用于分析，否则算法会发现两列之间存在可能掩盖其他关系的密切关联。

在解决方案资源管理器中，右键单击刚创建的挖掘结构，然后选择**“打开”**。

单击**“挖掘模型”**选项卡。

单击**“创建相关挖掘模型”**。

在**“新建挖掘模型”对话框中，在“模型名称”中键入 Call Center Binned NN。 在“算法名称”下拉列表中选择“Microsoft 神经网络”**。

在新挖掘模型中包含的列列表中，找到 ServiceGrade，将用法从 Predict 改为 Ignore。

同样，找到e ServiceGrade Binned，将用法从 Ignore 改为 Predict。

在**“挖掘模型”选项卡中的“结构”**下选择 ServiceGrade Binned。

请注意，**“属性”**窗口显示 ScalarMiningStructure 列对象的属性。

在挖掘模型列 ServiceGrade Binned NN 下方单击与 ServiceGrade Binned 列对应的单元格。

请注意，**“属性”**窗口现在显示对象 MiningModelColumn 的属性。

找到**“名称”**属性，将值改为 ServiceGrade。

找到**“说明”**属性，键入 Temporary column alias。

**“属性”**窗口应包含以下信息：

在**“挖掘模型”**选项卡中的任意处单击。

网格进行更新，在列用法旁边显示新的临时列别名 ServiceGrade。 包含挖掘结构及两个挖掘模型的网格应如下所示：

在**“挖掘模型”选项卡中，右键单击名为 Call Center - LR 的模型所在的列，然后选择“设置算法参数”**。

在 HOLDOUT_SEED 参数所在的行中，单击**“值”下方的空单元格并键入 1。 单击“确定”**。 对与此结构关联的每个模型重复此步骤。

注意
选择哪个值作为种子无关紧要，关键是您需要对所有相关模型使用同一个种子。

在**“挖掘模型”菜单中，选择“处理挖掘结构和所有模型”。 单击“是”**将更新后的数据挖掘项目部署到服务器上。

在**“处理挖掘模型”对话框中，单击“运行”**。

单击**“关闭”关闭“处理进度”对话框，然后再次单击“处理挖掘模型”对话框中的“关闭”**。