MS顺序与聚类分析算法

MS顺序与聚类分析算法

 

1.        它是结合了顺序分析和聚类分析的唯一算法，它是查找顺序中包含类似路径的事例的分类，也就是对相似顺序的事例进行分类。（此算法的可操作性似乎不强）

 

2.        分析模型的建立

2.1.       数据准备，可以使用关联规则分析模型使用的数据

2.2.       参考关联规则分析模型的建立，直到指定定型数据

2.3.       指定定型数据：指定用来给模型进行定型的数据

2.3.1.      键：指定主表和嵌套表的键-》主表：“saleKey”-》嵌套表：“sequence”

2.3.2.      可预测列：我们要预测的是会员要去消费的店铺-》所以勾选“storeName”

2.3.3.      输入列：我们将可能产生影响的字段都勾选上，如果不清楚可以点击建议查看-》这里勾选storeName和sequence

 

3.        配置及重要参数

3.1.       嵌套表必须有购买顺序字段

3.2.       Cluster_count：限定分类的数量

3.3.       Minimum_support：分类的最小事例数，就是一个分类包含的事例数量的最小值

 

4.        挖掘模型查看器，大部分类型聚类模型，主要两点不同

4.1.       分类特征，中带“[开始]->”标志的，表示客户最先可能购买的项（这是基于时序算法才有的）

4.2.       状态转换，我们找一个带“[开始]”标志的商品，然后在状态转换中找到该商品，该商品处罚的箭头指向的商品，就是可能购买该商品后的下一个商品，箭头标的数值就是概率

 

5.        挖掘模型预测

5.1.       选择相应挖掘模型

5.2.       选择输入表-》选择主表-》选择嵌套表-》修改输入表与挖掘模型间的映射

5.3.       配置预测函数，源：“预测函数”-》字段：“PredictSequence”，预测序列-》条件/参数：拖入要模型的嵌套表，模型的嵌套部分就是要预测是部分-》然后在后面加上“,2”，意思是预测两个店铺

5.4.       配置输出字段，选择输入表中相应的表和字段，此处配置的是要预测的数据的输出