如何通过数据挖掘模型向导，建立一个关系挖掘模型

如何通过数据挖掘模型向导，建立一个关系挖掘模型

SQL Sever 2000中包含的两种算法是决策树和群。决策树将信息分类为一个树状结构，可以帮助我们预测数据的某些特性。例如，可以将用户信息（如收入、婚姻状况及受教育程度）交由决策树算法，对预测该用户是否具有信用风险提供帮助。可以用群集算法寻找数据中的自然分组。例如，可以将所有的用户信息送入群集算法，要求把所有客户分为三个组。算法可能会找到一个已婚、受教育程度较高而收入偏低的分组，一个单身、高收入的分组和一个受教育程度较低而收入较高的分组。通过进一步的分析可能个发现每个分组都有一个特定的购物方式。利用这些资料，我们可以进行高效益、针对性强的广告活动。注意第二、三分组并没有完全使用所有的三项输入的信息，因为对于分组来说，并不是所有的输入信息都很重要。因此，第二组的描述之所以不包括受教育程度是由于分组不是根据教育水平来划分的。　　使用分析服务　　如果进行数据挖掘的对象是OLAP多维数据集而不是关系数据库，就不能直接使用OLE DB for DM，因为分析服务可以通过自己的编程接口来实现数据挖掘功能。在服务器端，可以通过决策支持对象（Decision Support Objects，DSO）使用数据挖掘功能，而在客户机端则可以通过OLE DB for OLAP或ActiveX多维数据对象（ADO MD）使用数据挖掘功能。　　与群集算法相比，我更喜欢决策树算法，因为它可以根据决策树算法进行数据挖掘的结果创建新的“维”，我们可以将这些“维”纳入一个新的虚拟多维数据集，还可以用数据挖掘的结果浏览现有的维。　　创建挖掘模型　　创建挖掘模型，需要打开分析管理器（Analysis Manager），展开左边的树形浏览窗口，打开FoodMart 2000数据库。你将看到挖掘模型文件夹（挖掘模型定义了所挖掘的具体数据和根据该信息所做的预测类型。），右击该文件夹，选择新挖掘模型（New Mining Model）运行挖掘模型向导。该向导首先要求选择是在关系型数据还是在多维数据集中进行数据挖掘。选择Multidimensional后单击Next按钮。然后选择要挖掘的数据集（在本例中选择Sale数据集）。向导的第三步是选择数据挖掘算法，选择Microsoft Decision Trees（微软的决策树）后单击Next按钮。