微软的顺序分析和聚类算法结合了顺序和聚类，适用于研究事件顺序数据，如用户点击流、故障前事件日志等。通过分析找到常见顺序和相似路径。以2008R2DW数据库中的Orders和Items表为例，展示如何应用该算法。颜色深浅代表购买水壶的可能性，揭示了购买行为与地区和收入的关联。
Microsoft 顺序分析和聚类分析算法是一种结合了顺序分析和聚类分析的唯一算法。 你可以使用该算法来研究包含可在“顺序”中链接的事件的数据。 该算法可查找最常见的顺序，并且通过执行聚类分析来查找相似的顺序。 下面的示例说明了可以将其作为机器学习的数据捕获的顺序类型，从而提供有关常见问题或业务方案的建议：
- 用户在导航或浏览网站时生成的点击流或单击路径
- 列出发生事故（如硬盘故障或服务器死锁）之前的事件的日志
- 说明客户将商品添加到在线购物车中的顺序的事务记录
- 根据一段时间内客户或患者的互动来预测服务取消或其他不良结果的记录
该算法在许多方面都类似于 Microsoft 聚类分析算法。 不过， Microsoft 顺序分析和聚类分析算法不是查找包含类似属性的事例的分类，而是查找顺序中包含类似路径的事例的分类。
新建数据源，选择2008R2DW数据库
最低0.47元/天 解锁文章
304
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
