자습서: SQL 기계 학습을 사용하여 R에서 클러스터링 모델 빌드

적용 대상: SQL Server 2016(13.x) 이상 Azure SQL Managed Instance

4부로 구성된 이 자습서 시리즈의 3부에서는 R에서 K-평균 모델을 빌드하여 클러스터링을 수행합니다. 이 시리즈의 다음 파트에서는 SQL Server Machine Learning Services를 사용하는 데이터베이스 또는 빅 데이터 클러스터에 이 모델을 배포합니다.

이 문서에서는 다음을 수행하는 방법을 알아봅니다.

• KI-평균 알고리즘에 대한 클러스터 수 정의
• 클러스터링 수행
• 결과 분석

1부에서는 필수 구성 요소를 설치하고 샘플 데이터베이스를 복원했습니다.

2부에서는 클러스터링을 수행하기 위해 데이터베이스의 데이터를 준비하는 방법을 배웠습니다.

4부에서는 새 데이터를 기준으로 R에서 클러스터링을 수행할 수 있는 저장 프로시저를 데이터베이스에서 만드는 방법을 알아봅니다.

필수 조건

• 이 자습서의 3부에서는 1부의 사전 요구 사항을 이행하고, 2부의 단계를 완료했다고 가정합니다.

클러스터 수 정의

고객 데이터를 클러스터링하기 위해서는 데이터 그룹화를 위해 가장 잘 알려져 있고 가장 간단한 방법 중 하나인 K-평균 클러스터링 알고리즘을 사용합니다. K-평균 클러스터링 알고리즘에 대한 전체 가이드에서 K-평균에 대해 자세히 읽을 수 있습니다.

알고리즘은 데이터 자체와 생성할 클러스터 수를 나타내는 미리 정의된 숫자 "k"의 두 가지 입력을 허용합니다. 출력은 클러스터 간에 분할된 입력 데이터가 있는 k 클러스터입니다.

알고리즘에서 사용할 클러스터 수를 확인하려면 그룹 내의 제곱 합계(추출된 클러스터 수)의 플롯을 사용합니다. 사용할 적절한 클러스터 수는 플롯의 굽은 지점 또는 "elbow"에 있습니다.

# Determine number of clusters by using a plot of the within groups sum of squares,
# by number of clusters extracted. 
wss <- (nrow(customer_data) - 1) * sum(apply(customer_data, 2, var))
for (i in 2:20)
    wss[i] <- sum(kmeans(customer_data, centers = i)$withinss)
plot(1:20, wss, type = "b", xlab = "Number of Clusters", ylab = "Within groups sum of squares")

그래프에 따르면 k = 4가 적합한 값으로 보입니다. 해당 k 값은 고객을 4개의 클러스터로 그룹화합니다.

클러스터링 수행

다음 R 스크립트에서는 kmeans 함수를 사용하여 클러스터링을 수행합니다.

# Output table to hold the customer group mappings.
# Generate clusters using Kmeans and output key / cluster to a table
# called return_cluster

## create clustering model
clust <- kmeans(customer_data[,2:5],4)

## create clustering output for table
customer_cluster <- data.frame(cluster=clust$cluster,customer=customer_data$customer,orderRatio=customer_data$orderRatio,
        itemsRatio=customer_data$itemsRatio,monetaryRatio=customer_data$monetaryRatio,frequency=customer_data$frequency)

## write cluster output to DB table
sqlSave(ch, customer_cluster, tablename = "return_cluster")

# Read the customer returns cluster table from the database
customer_cluster_check <- sqlFetch(ch, "return_cluster")

head(customer_cluster_check)

결과 분석

이제 K-평균을 사용하여 클러스터링을 완료했으므로 다음 단계는 결과를 분석하고 실행 가능한 정보를 찾을 수 있는지 확인하는 것입니다.

#Look at the clustering details to analyze results
clust[-1]

$centers
   orderRatio itemsRatio monetaryRatio frequency
1 0.621835791  0.1701519    0.35510836  1.009025
2 0.074074074  0.0000000    0.05886575  2.363248
3 0.004807692  0.0000000    0.04618708  5.050481
4 0.000000000  0.0000000    0.00000000  0.000000

$totss
[1] 40191.83

$withinss
[1] 19867.791   215.714   660.784     0.000

$tot.withinss
[1] 20744.29

$betweenss
[1] 19447.54

$size
[1]  4543   702   416 31675

$iter
[1] 3

$ifault
[1] 0

2부에 정의된 변수를 사용하여 4개의 클러스터 평균이 제공되었습니다.

• orderRatio = 반품 주문 비율(총 주문 수 대비 부분적으로 또는 완전히 반환된 총 주문 수)
• itemsRatio = 반품 항목 비율(구입한 항목 수 대비 반품된 총 항목 수)
• monetaryRatio = 반품 금액 비율(반환된 항목의 총 금액과 구매한 금액)
• frequency = 반품 빈도

K-평균을 사용한 데이터 마이닝에는 결과에 대한 추가 분석과 각 클러스터를 더 잘 이해하기 위한 추가 단계가 필요한 경우가 많지만 몇 가지 좋은 단서를 제공할 수 있습니다. 이러한 결과를 해석할 수 있는 몇 가지 방법은 다음과 같습니다.

• 클러스터 1(가장 큰 클러스터)은 활성화되지 않은 고객 그룹인 것 같습니다(모든 값은 0).
• 클러스터 3은 반품 비중이 높은 그룹으로 보입니다.

리소스 정리

이 자습서를 계속 진행하지 않으려면 tpcxbb_1gb 데이터베이스를 삭제하세요.

다음 단계

이 자습서 시리즈의 3부에서는 다음 작업을 수행하는 방법을 알아보았습니다.

• KI-평균 알고리즘에 대한 클러스터 수 정의
• 클러스터링 수행
• 결과 분석

만든 기계 학습 모델을 배포하려면 다음 자습서 시리즈의 4부를 따르세요.

SQL 기계 학습을 사용하여 R에서 클러스터링 모델 배포