Microsoft?順序分析和聚類分析算法是一種結合了順序分析和聚類分析的唯一算法。?你可以使用該算法來研究包含可在“順序”中鏈接的事件的數(shù)據(jù)。?該算法可查找最常見的順序，并且通過執(zhí)行聚類分析來查找相似的順序。?下面的示例說明了可以將其作為機器學習的數(shù)據(jù)捕獲的順序類型，從而提供有關常見問題或業(yè)務方案的建議：

• 用戶在導航或瀏覽網(wǎng)站時生成的點擊流或單擊路徑
• 列出發(fā)生事故（如硬盤故障或服務器死鎖）之前的事件的日志
• 說明客戶將商品添加到在線購物車中的順序的事務記錄
• 根據(jù)一段時間內客戶或患者的互動來預測服務取消或其他不良結果的記錄

該算法在許多方面都類似于?Microsoft?聚類分析算法。?不過，?Microsoft?順序分析和聚類分析算法不是查找包含類似屬性的事例的分類，而是查找順序中包含類似路徑的事例的分類。

?

?

新建數(shù)據(jù)源，選擇2008R2DW數(shù)據(jù)庫

?

從數(shù)據(jù)倉庫中選擇需要分析的表

?

?

兩個表是一對多的關系

?

選擇順序分析和聚類分析

?

?

Orders表做事例，Items表做嵌套

?

選擇挖掘模型結構，選擇可預測值

?

?

?

?

?

?

?

?

選擇Water Bottle查看數(shù)據(jù)

?

顏色最深的是最可能買水壺的群體，反之，顏色越淺是最不可能買水壺的群體

?

我們可以看到買不買水壺的兩種群體和地區(qū)有著非常大的關系，比如上圖中最想買的人群集中在北美，而在太平洋地區(qū)則買的人很少，如果向下拖動的話，還可以看到和收入也有著很大的關系，比如收入高的人群買水壺的人數(shù)就少，相反收入低的階層買水壺的人就多

?

[開始]->Women's Mountain Shorts表示的就是一個客戶來商店，最想放入購物籃的第一個產(chǎn)品就是：Women's Mountain Shorts；[開始]->Water Bottle，也是同樣的含義，表示最先放入購物籃的就是水壺。當然還有其它幾個比較重要的概率屬性：都是在北美、收入是有節(jié)制的人群。

?

?

上圖給出的就是各個產(chǎn)品間的狀態(tài)轉換問題，首先顏色的深淺告訴了我們這個群體的特征，然后就是產(chǎn)品之間轉換的可能性，可以通過拖動左側的滑動條查看，首先與Water Bottle關聯(lián)的是Sport-100，也就是說賣完水壺之后，最先買的就是Sport-100;然后是賣完Women’s Mountain Shorts,最先買的是Long-Sleeve Logo。

轉載于:https://www.cnblogs.com/yuyubi888/p/7922466.html

總結

以上是生活随笔為你收集整理的Microsoft 顺序分析和聚类分析算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。