创建神经网络结构和模型（数据挖掘中级教程）

若要创建数据挖掘模型，必须先使用数据挖掘向导基于新数据源视图创建一个新的挖掘结构。 在本任务中，您将使用该向导创建一个挖掘结构，同时创建一个基于 Microsoft 神经网络算法的关联挖掘模型。

由于神经网络非常灵活且可以分析输入和输出的多个组合，因此应试用多种处理数据的方式以获得最佳结果。 例如，您可能要自定义对服务质量数值目标进行“装箱”或分组的方式，以满足特定的业务要求。 为此，您将向该挖掘结构中添加一个以不同的方式对数值数据进行分组的新列，然后创建一个使用这个新列的模型。 您将使用这些挖掘模型来进行一些浏览。

最后，在您从神经网络模型中了解到哪些因素对您的业务问题影响最大之后，您需要生成一个单独的预测和记分模型。 需要使用 Microsoft 逻辑回归算法，该算法基于神经网络模型，但经过优化可用于基于特定输入查找解决方案。

步骤

1. 使用默认值创建基本挖掘结构

2. 创建可预测列的副本，并通过对值装箱来修改该列

3. 添加新模型，并将新列用作该模型的输出

4. 为修改的可预测属性创建别名

5. 分配一个种子，以便以相同方式处理两个模型；处理这两个模型

创建默认呼叫中心结构

创建默认神经网络挖掘结构和模型

1. 在 SQL Server Data Tools (SSDT) 的解决方案资源管理器中，右键单击**“挖掘结构”，再选择“新建挖掘结构”**。

2. 在**“欢迎使用数据挖掘向导”页上，单击“下一步”**。

3. 在**“选择定义方法”页上，确保已选中“从现有关系数据库或数据仓库”，再单击“下一步”**。

4. 在**“创建数据挖掘结构”页上，确保已选中选项“创建带有挖掘模型的挖掘结构”**。

5. 单击选项**“您要使用何种数据挖掘技术?”的下拉列表，然后选择“Microsoft 神经网络”**。

   由于逻辑回归模型基于神经网络，因此，您可以重用同一结构，添加新的挖掘模型。

6. 单击**“下一步”**。

   **“选择数据源视图”**页随即显示。

7. 在**“可用数据源视图”下选择“呼叫中心”，再单击“下一步”**。

8. 在**“指定表类型”页上，选中 FactCallCenter 表旁边的“事例”复选框。 请不要为 DimDate 选择任何值。 单击“下一步”**。

9. 在**“指定定型数据”页上，选中 FactCallCenterID 列旁边的“键”**。

10. 选中**“预测”和“输入”**复选框。

11. 选中**“键”、“输入”和“预测”**复选框，如下表所示：

    表/列	键/输入/预测
    AutomaticResponses	输入
    AverageTimePerIssue	输入/预测
    Calls	输入
    DateKey	请勿使用
    DayOfWeek	输入
    FactCallCenterID	键
    IssuesRaised	输入
    LevelOneOperators	输入/预测
    LevelTwoOperators	输入
    Orders	输入/预测
    ServiceGrade	输入/预测
    Shift	输入
    TotalOperators	请勿使用
    WageType	输入

    请注意已选定多个可预测列。 神经网络算法的优点之一是：它可以分析输入和输出属性的所有可能组合。 对于大型数据集，您可能不希望执行此操作，因为这会成倍增加处理时间。

12. 在**“指定列的内容和数据类型”页上，确认网格包含如下表中所示的列、内容类型和数据类型，然后单击“下一步”**。

    列	内容类型	数据类型
    AutomaticResponses	连续	Long
    AverageTimePerIssue	连续	Long
    Calls	连续	Long
    DayOfWeek	离散	Text
    FactCallCenterID	键	Long
    IssuesRaised	连续	Long
    LevelOneOperators	连续	Long
    LevelTwoOperators	连续	Long
    Orders	连续	Long
    ServiceGrade	连续	Double
    Shift	离散	Text
    WageType	离散	Text

13. 在**“创建测试集”页上，清除选项“测试数据百分比”的文本框。 单击“下一步”**。

14. 在**“完成向导”页的“挖掘结构名称”**中，键入 Call Center。

15. 在**“挖掘模型名称”中，键入 Call Center Default NN，再单击“完成”**。

    **“允许钻取”**框处于禁用状态，因为您无法使用神经网络模型钻取数据。

16. 在解决方案资源管理器中，右键单击刚创建的数据挖掘结构的名称，然后选中**“处理”**。

了解离散化

默认情况下，创建具有数值型可预测属性的神经网络模型时，Microsoft 神经网络算法将该属性视为连续数值。 例如，ServiceGrade 属性在理论上是介于 0.00（应答所有呼叫）和 1.00（挂断所有呼叫）之间的数值。 在此数据集中的值具有以下分布：

因此，处理模型时，输出的分组方式可能会与预期的不同。 例如，如果使用聚类分析来确定最佳值组，该算法会将 ServiceGrade 中的值划分到 0.0748051948 - 0.09716216215 之类的范围中。 尽管此分组在数学上很准确，但此类范围可能对业务用户并没有太大意义。 要以不同的方式对数值进行分组，可以创建数值数据列的一个或多个副本，并指定数据挖掘算法应如何处理这些值。 例如，您可能指定该算法将值划分到不超过五个的数据箱中。

Analysis Services 提供了各种装箱或处理数值数据的方法。 下表说明了以三种不同方式处理输出属性 ServiceGrade 所得到的结果的差异：

• 将其视为连续数值。

• 让算法使用聚类分析来确定最佳值划分方式。

• 指定数值按等面积方法装箱。

注意
可以在处理完所有数据后，从模型的边际统计信息节点获取这些统计信息。 有关边际统计信息节点的详细信息，请参阅神经网络模型的挖掘模型内容（Analysis Services - 数据挖掘）。

此表中，VALUE 列为您显示了 ServiceGrade 的数值的处理方式。 SUPPORT 列为您显示有多少事例具有此值或属于该范围。

1. 使用连续数值（默认值）

   如果使用了默认方法，算法将计算 120 个非重复值的结果，这些值的均值为 0.09875。 您还可以查看缺失值的数目。

2. 以聚类分析方式装箱

   如果让 Microsoft 聚类分析算法来确定值的可选分组时，该算法会将 ServiceGrade 的值划分为五个 (5) 范围。 每个范围内的事例数目不是均匀分布的，正如您从 support 列看到的那样。

3. 按等面积装箱

   如果选择此方法，该算法会强制将值划分到大小相等的存储桶中，而这又会更改每个范围的上下限。 您可以指定存储桶的数目，但要避免任何存储桶中的值少于两个。

有关装箱选项的详细信息，请参阅离散化方法（数据挖掘）。

或者，不使用数值，而是添加一个单独的派生列，该列将服务等级划分为预定义的目标范围，例如，最佳 (ServiceGrade <= 0.05)、可接受 (0.10 > ServiceGrade > 0.05) 以及较差 (ServiceGrade >= 0.10)。

创建列的副本并更改离散化方法

在 Analysis Services 数据挖掘中，通过添加包含目标数据的列的副本并更改离散化方法，可以轻松地更改在挖掘结构中装箱数值数据的方式。

下面的过程介绍了如何创建包含目标属性 ServiceGrade 的挖掘列的副本。 可以创建挖掘结构中任何列（包括可预测属性）的多个副本。

然后您将自定义所复制的列中数值的分组，以降低分组的复杂性。 在本教程中，您将使用离散化的等面积方法并指定四个存储桶。 此方法所产生的分组与您的业务用户所希望的目标值十分接近。

注意
在初始数据浏览期间，您还将试验各种离散化方法，或者尝试首先对数据进行聚类分析。

创建挖掘结构中某一列的自定义副本

1. 在解决方案资源管理器中，双击刚刚创建的挖掘结构。

2. 在“挖掘结构”选项卡中单击**“添加挖掘结构列”**。

3. 在**“选择列”对话框中，从“源列”中的列表中选择 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。

4. 右键单击 ServiceGrade 1，然后选择**“属性”**。

5. 在**“属性”窗口中，找到“名称”**属性，然后将名称更改为“Service Grade Binned”。

6. 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”**。

7. 在**“属性”窗口中，找到“数据类型”**部分，然后根据需要展开。

8. 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：

   属性	默认值	新值
   DiscretizationMethod	Continuous	EqualAreas
   DiscretizationBucketCount	无值	4

   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。

9. 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。 通常，当您向挖掘结构中添加列的副本时，您不会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。

向挖掘结构中添加新的挖掘模型

至此您已针对目标属性创建了一个新的分组，现在需要添加一个使用该离散化列的新挖掘模型。 完成后，CallCenter 挖掘结构将有两个挖掘模型：

• 挖掘模型 Call Center Default NN 将 ServiceGrade 值作为连续范围来处理。

• 您将创建一个新的挖掘模型 Call Center Binned NN，该模型将 ServiceGrade 列的值（分布到四个大小相等的存储桶中）用作其目标结果。

添加基于新的离散化列的挖掘模型

1. 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”**。

2. 单击**“挖掘模型”**选项卡。

3. 单击**“创建相关挖掘模型”**。

4. 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”**。

5. 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。

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

通常，您不能比较使用不同可预测属性的挖掘模型。 但是，您可以为挖掘模型列创建别名。 也就是说，您可以重命名挖掘模型内的 ServiceGrade Binned 列，使它与原始列同名。 然后可以在一个准确性图表中直接比较这两个模型，即使数据是以不同的方式离散化的也是如此。

为挖掘模型中的挖掘结构列添加别名

1. 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。

2. 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。

3. 找到**“名称”**属性，将值改为 ServiceGrade。

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

   **“属性”**窗口应包含以下信息：

   属性	值
   说明	Temporary column alias
   ID	ServiceGrade Binned
   建模标志
   名称	Service Grade
   SourceColumn ID	Service Grade 1
   用法	预测

5. 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：

   结构	Call Center Default NN	Call Center Binned NN
   	Microsoft 神经网络	Microsoft 神经网络
   AutomaticResponses	输入	输入
   AverageTimePerIssue	预测	预测
   Calls	输入	输入
   DayOfWeek	输入	输入
   FactCallCenterID	键	键
   IssuesRaised	输入	输入
   LevelOneOperators	输入	输入
   LevelTwoOperators	输入	输入
   Orders	输入	输入
   ServceGrade Binned	忽略	预测 (ServiceGrade)
   ServiceGrade	预测	忽略
   Shift	输入	输入
   Total Operators	输入	输入
   WageType	输入	输入

处理模型

最后，为了确保您创建的模型易于比较，将为默认模型和装箱模型均设置种子参数。 设置种子值可保证每个模型都从同一点开始处理数据。

注意
如果不为种子参数指定一个数值，SQL Server Analysis Services 将基于模型的名称来生成一个种子。 由于这些模型始终具有不同的名称，因此您必须设置一个种子值，以确保这两个模型按相同的顺序来处理数据。

指定种子并处理模型

1. 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”**。

2. 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。

3. 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。

4. 在**“处理挖掘模型”对话框中，单击“运行”**。

5. 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”**。

至此您已创建两个相关的挖掘模型，接下来将浏览数据以发现数据中的关系。

课程中的下一个任务

探索呼叫中心模型（数据挖掘中级教程）

请参阅

概念

挖掘结构（Analysis Services – 数据挖掘）