MS决策树分析算法

MS决策树分析算法

1. 决策树算法是分类和回归算法，用于对离散和连续属性进行建模，是一种混合算法。

2. 决策树根据朝向特定结果发展的趋势进行预测。如购买自行车案例中，10名年轻客户有9名购买，而10名老年客户只有3名购买，则算法推测年龄是购买自行车的关键预测因子。

3. 它通过在树中创建一系列拆分来生成挖掘模型，每当发现输入列与可预测列密切相关时，改算法吧便向该模型的树中添加一个节点。

4. 决策树与聚类算法的区别
   决策树：是以目标为导向，分析各属性及其值对目标的影响度来逐步生成决策树的，它最重要的作用是获取输入对输出的想象力的排序。
   聚类：是根据各属性间的关系来对数据进行分类，它最重要的作用是获取各个群体的共有属性

5. 挖掘结构：挖掘算法要挖掘的数据的结构，就是我们要挖掘的数据的数据模型

6. 挖掘模型：定义了对挖掘结构的挖掘方式
   6.1. 包含了具体的挖掘算法及其配置
   6.2. 包含了挖掘模型所需的输入、输出列等

7. 建立数据挖掘项目
   7.1. 打开VS-》新建项目-》商业智能-》Analysis Service-》Analysis Services多维和数据挖掘项目-》项目名“DM-Demo”
   7.2. 建立连接到数据仓库数据源的链接-》使用服务账户

8. 建立数据源视图（数据挖掘结构视图）
   8.1. 在DW中编写视图如下，该视图获取了所有的会员信息，并通过isBuyer标志标识出是否有过消费记录，（1：是；0：否，必须为数字，不能为字符），目的是挖掘出哪些信息对用户是否购物