Conteúdo do modelo de mineração para modelos de clustering de seqüências (Analysis Services – Mineração de Dados)
Este tópico descreve o conteúdo do modelo de mineração que é específico para modelos que usam o algoritmo MSC (Microsoft Sequence Clustering). Para obter uma explicação geral e sobre a terminologia estatística relacionada ao conteúdo do modelo de mineração que se aplica a todos os tipos modelo, consulte Conteúdo do modelo de mineração (Analysis Services - Mineração de dados).
Entendendo a estrutura de um modelo de clustering de seqüência
Um modelo de clustering de seqüência tem um único nó pai (NODE_TYPE = 1) que representa o modelo e seus metadados. O nó pai, que recebe o rótulo (All), tem um nó de seqüência relacionado (NODE_TYPE = 13) que lista todas as dimensões detectadas nos dados de treinamento.
.gif "Estrutura do modelo de clustering de seqüência")
O algoritmo também cria um número de clusters com base nas transições que foram encontradas nos dados e em qualquer outro atributo de entrada incluído ao criar o modelo, como informações demográficas de clientes e assim por diante. Cada cluster (NODE_TYPE = 5) contém seu próprio nó de seqüência (NODE_TYPE = 13) que lista apenas as transições que foram usadas ao gerar aquele cluster específico. No nó de seqüência, você pode fazer uma busca minuciosa para exibir os detalhes de transições de estado específicas (NODE_TYPE = 14).
Para obter uma explicação das transições de estado e seqüência, com exemplos, consulte Algoritmo MSC.
Conteúdo de um modelo de clustering de seqüência
Esta seção fornece informações adicionais sobre colunas no conteúdo do modelo de mineração que têm relevância específica para clustering de seqüência.
MODEL_CATALOG
Nome do banco de dados onde o modelo é armazenado.MODEL_NAME
Nome do modelo.ATTRIBUTE_NAME
Sempre em branco.NODE_NAME
O nome do nó. Atualmente, o mesmo valor de NODE_UNIQUE_NAME.NODE_UNIQUE_NAME
Nome exclusivo do nó.NODE_TYPE
Um modelo de clustering de seqüência gera os seguintes tipos de nó:Identificador do tipo de nó
Descrição
1 (Modelo)
Nó raiz do modelo.
5 (Cluster)
Contém a contagem de transições no cluster, uma lista dos atributos e estatísticas que descrevem os valores no cluster.
13 (Seqüência)
Contém uma lista das transições incluídas no cluster.
14 (Transição)
Descreve uma seqüência de eventos, como uma tabela na qual a primeira linha contém o estado inicial e as outras linhas contêm estados sucessivos, juntamente com estatísticas de probabilidade e suporte.
NODE_GUID
Em branco.NODE_CAPTION
Um rótulo ou uma legenda associada ao nó para exibição de finalidades.É possível renomear as legendas do cluster ao usar o modelo. Entretanto, o novo nome não é mantido ao fechar o modelo.
CHILDREN_CARDINALITY
Uma estimativa do número de filhos do nó.Raiz do modelo O valor da cardinalidade é igual ao número de clusters, mais um. Para obter mais informações, consulte Cardinalidade.
Nós de cluster A cardinalidade é sempre 1, pois cada cluster tem um único nó filho, que contém a lista de seqüências no cluster.
Nós de seqüência A cardinalidade indica o número de transições que são incluídas naquele cluster. Por exemplo, a cardinalidade do nó de seqüência para a raiz do modelo indica quantas transições foram encontradas em todo o modelo.
PARENT_UNIQUE_NAME
Nome exclusivo do nó pai.NULL é retornado para todos os nós no nível raiz.
NODE_DESCRIPTION
O mesmo que a legenda do nó.NODE_RULE
Sempre em branco.MARGINAL_RULE
Sempre em branco.NODE_PROBABILITY
Raiz do modelo Sempre 0.Nós de cluster A probabilidade ajustada do cluster no modelo. As probabilidades ajustadas não são somadas a 1, pois o método de clustering usado no clustering de seqüência permite relação parcial em diversos clusters.
Nós de seqüência Sempre 0.
Nós de transição Sempre 0.
MARGINAL_PROBABILITY
Raiz do modelo Sempre 0.Nós de cluster O mesmo valor de NODE_PROBABILITY.
Nós de seqüência Sempre 0.
Nós de transição Sempre 0.
NODE_DISTRIBUTION
Uma tabela que contém probabilidades e outras informações. Para obter mais informações, consulte a tabela NODE_DISTRIBUTION.NODE_SUPPORT
O número de transições que aceitam esse nó. Com isso, se houver 30 exemplos de seqüência "Produto A seguido pelo Produto B" nos dados de treinamento, o total será 30.Raiz do modelo Número total de transições no modelo.
Nós de cluster Suporte bruto para o cluster, o que indica o número de casos de treinamento que contribuíram com casos para esse cluster.
Nós de seqüência Sempre 0.
Nós de transição A porcentagem de casos no cluster que representa uma transição específica. Pode ser 0 ou pode ter um valor positivo. Calculado a obter o suporte bruto para o nó do cluster e multiplicá-lo pela probabilidade do cluster.
No caso desse valor, você pode saber quantos casos de treinamento contribuíram com a transição.
MSOLAP_MODEL_COLUMN
Não aplicável.MSOLAP_NODE_SCORE
Não aplicável.MSOLAP_NODE_SHORT_CAPTION
O mesmo que NODE_DESCRIPTION.
Entendendo seqüências, estados e transições
Um modelo de clustering de seqüência tem uma estrutura única que combina dois tipos de objetos com tipos de informações bem distintos: o primeiro é cluster e o segundo, transições de estado.
Os clusters criados pelo clustering de seqüência são como os clusters criados pelo algoritmo Microsoft Clustering. Cada cluster tem um perfil e características. Porém, no clustering de seqüência, cada cluster contém também um único nó filho que lista as seqüências naquele cluster. Cada nó de seqüência contém vários nós filhos que descrevem as transições de estado detalhadamente, com probabilidades.
Há quase sempre mais seqüências no modelo do que você poderia encontrar em um único caso, pois as seqüências podem ser encadeadas. O Microsoft Analysis Services armazena indicadores de um estado para outro de forma que você possa contabilizar o número de vezes que cada transição ocorre. Você também pode localizar informações sobre quantas vezes a seqüência ocorreu e medir as probabilidades de ocorrência em relação a todo o conjunto de estados observados.
A tabela a seguir resume como as informações são armazenadas no modelo e como os nós são relacionados.
Nó |
Tem nó filho |
Tabela NODE_DISTRIBUTION |
|---|---|---|
Raiz do modelo |
Vários nós de cluster Nó com seqüências para todo o modelo |
Lista todos os produtos no modelo, com suporte e probabilidade. Como esse método de clustering permite associação parcial em vários clusters, o suporte e a probabilidade podem ter valores fracionários. Ou seja, em vez de contabilizar um único caso uma vez, cada caso pode pertencer potencialmente a vários clusters. Com isso, quando a associação de cluster final é determinada, o valor é ajustado pela probabilidade daquele cluster. |
Nó de seqüência para modelo |
Vários nós de transição |
Lista todos os produtos no modelo, com suporte e probabilidade. Como o número de seqüências para o modelo já é conhecido, os cálculos para suporte e probabilidade são diretos:
|
Nós de cluster individuais |
Nó com seqüências apenas para aquele cluster |
Lista todos os produtos em um cluster, mas fornece valores de suporte e probabilidade apenas para os produtos que são característicos do cluster. O suporte representa o valor de suporte ajustado para cada caso neste cluster. Os valores de probabilidade são a probabilidade ajustada. |
Nós de seqüência para clusters individuais |
Vários nós com transições para seqüências apenas naquele cluster |
Exatamente a mesma informação de nós de cluster individuais. |
Transições |
Nenhum filho |
Lista transições para o primeiro estado relacionado. O suporte é um valor de suporte ajustado que indica os casos que fazem parte de cada transição. A probabilidade é a probabilidade ajustada, representada como uma porcentagem. |
Tabela NODE_DISTRIBUTION
A tabela NODE_DISTRIBUTION fornece informações detalhadas de suporte e probabilidade para transições e seqüências de um cluster específico.
Uma linha sempre é adicionada à tabela de transição para representar possíveis valores Missing. Para obter informações sobre o que o valor Missing significa e como ele afeta os cálculos, consulte Valores ausentes (Analysis Services - Mineração de dados).
Os cálculos para suporte e probabilidade diferem de acordo com os cálculos aplicados aos casos de treinamento ou de acordo com o modelo finalizado. Isso porque o método de clustering padrão, Maximização da Expectativa (ME), pressupõe que qualquer caso pode pertencer a mais de um cluster. Ao calcular suporte para os casos no modelo, é possível usar contas e probabilidades brutas. Entretanto, as probabilidades de qualquer seqüência específica em um cluster devem ser ponderadas pela soma de todas as seqüências possíveis e combinações de cluster.
Cardinalidade
Em um modelo de clustering, a cardinalidade de um nó pai geralmente indica quantos clusters há no modelo. Entretanto, um modelo de clustering de seqüência tem dois tipos de nós no nível de cluster: um tipo de nó contém clusters e o outro tipo de nó contém uma lista de seqüências para o modelo.
Sendo assim, para saber o número de clusters no modelo, você pode pegar o valor de NODE_CARDINALITY do nó (All) e subtrair um. Por exemplo, se o modelo criou 9 clusters, a cardinalidade da raiz do modelo será 10. Isso porque o modelo contém 9 nós do cluster, cada um com seu próprio nó de seqüência, mais um nó de seqüência adicional rotulado cluster 10, que representa as seqüências do modelo.
Item passo a passo da estrutura
Um exemplo pode ajudar a esclarecer como as informações são armazenadas e como você pode interpretá-las. Por exemplo, você pode localizar o maior pedido, o que significa a cadeia mais longa observada nos dados AdventureWorksDW subjacentes, usando a seguinte consulta:
USE AdventureWorksDW
SELECT DISTINCT OrderNumber, Count(*)
FROM vAssocSeqLineItems
GROUP BY OrderNumber
ORDER BY Count(*) DESC
Nesses resultados, você verá que os números 'SO72656', 'SO58845' e 'SO70714' contêm as maiores seqüências, com oito itens cada. Usando as IDs do pedido, é possível exibir os detalhes de um pedido específico para ver quais itens foram adquiridos e em qual pedido.
OrderNumber |
LineNumber |
Modelo |
|---|---|---|
SO58845 |
1 |
Mountain-500 |
SO58845 |
2 |
LL Mountain Tire |
SO58845 |
3 |
Mountain Tire Tube |
SO58845 |
4 |
Fender Set - Mountain |
SO58845 |
5 |
Mountain Bottle Cage |
SO58845 |
6 |
Water Bottle |
SO58845 |
7 |
Sport-100 |
SO58845 |
8 |
Long-Sleeve Logo Jersey |
Porém, alguns clientes que compraram Mountain-500 poderiam comprar produtos diferentes. Você pode exibir todos os produtos que seguem Mountain-500 exibindo a lista de seqüências no modelo. Os procedimentos a seguir mostram como exibir estas seqüências usando os dois visualizadores fornecidos no Analysis Services:
Para exibir seqüências relacionadas usando o visualizador de Clustering de Seqüência
No Pesquisador de Objetos, clique com o botão direito do mouse no modelo [Clustering de Seqüência] e selecione Procurar.
No visualizador de Clustering de Seqüência, clique na guia Transições de Estado.
Na lista suspensa Cluster, certifique-se de que População (Tudo) esteja selecionado.
Mova a barra deslizante, à esquerda do painel, para cima para visualizar todos os links.
No diagrama, localize Mountain-500 e clique no nó do diagrama.
As linhas destacadas apontam para as próximas fases (os produtos que foram adquiridos depois de Mountain-500) e os números indicam a probabilidade. Compare esses aos resultados no visualizador do conteúdo do modelo genérico.
Para exibir seqüências relacionadas usando o visualizador do conteúdo do modelo genérico
No Pesquisador de Objetos, clique com o botão direito do mouse no modelo [Clustering de Seqüência] e selecione Procurar.
Na lista suspensa do visualizador, selecione Visualizador de Árvore de Conteúdo Genérica da Microsoft.
No painel Legenda do nó, clique no nó chamado Nível de seqüência para cluster 16.
No painel Detalhes do nó, localize a linha NODE_DISTRIBUTION e clique em qualquer lugar na tabela aninhada.
A linha superior sempre será para o valor Missing. Essa linha tem um estado de seqüência 0.
Pressione a tecla de seta para baixo ou use as barras de rolagem para percorrer a tabela aninhada até a linha Mountain-500.
Essa linha tem um estado de seqüência 20.
.gif "Observação")
ObservaçãoVocê pode obter o número da linha de um estado de seqüência específico de forma programática. Porém, se estiver apenas pesquisando, pode ser mais simples copiar a tabela aninhada para uma pasta de trabalho do Excel.
Retorne para o painel Legenda do nó e expanda o nó Nível de seqüência para cluster 16, caso ainda não esteja expandido.
Procure Linha de transição para estado de seqüência 20 entre os nós filho. Clique no nó de transição.
A tabela NODE_DISTRIBUTION aninhada contém os produtos e probabilidades a seguir. Compare-os aos resultados na guia Transição de Estado do visualizador de Cluster de Seqüências.
A tabela a seguir mostra os resultados da tabela NODE_DISTRIBUTION juntamente com os valores de probabilidade arredondados que são exibidos no visualizador gráfico.
Produto |
Suporte (tabela NODE_DISTRIBUTION) |
Probabilidade (tabela NODE_DISTRIBUTION)) |
Probabilidade (do gráfico) |
|---|---|---|---|
Missing |
48.447887 |
0.138028169 |
(não exibido) |
Cycling Cap |
10.876056 |
0.030985915 |
0.03 |
Fender Set - Mountain |
80.087324 |
0.228169014 |
0.23 |
Half-Finger Gloves |
0.9887324 |
0.002816901 |
0.00 |
Hydration Pack |
0.9887324 |
0.002816901 |
0.00 |
LL Mountain Tire |
51.414085 |
0.146478873 |
0.15 |
Long-Sleeve Logo Jersey |
2.9661972 |
0.008450704 |
0.01 |
Mountain Bottle Cage |
87.997183 |
0.250704225 |
0.25 |
Mountain Tire Tube |
16.808451 |
0.047887324 |
0.05 |
Short-Sleeve Classic Jersey |
10.876056 |
0.030985915 |
0.03 |
Sport-100 |
20.76338 |
0.05915493 |
0.06 |
Water Bottle |
18.785915 |
0.053521127 |
0.25 |
Apesar de o caso que selecionamos inicialmente nos dados de treinamento conter o produto 'Mountain-500' seguido pelo produto 'LL Mountain Tire', você pode ver que há várias outras seqüências possíveis. Para localizar informações detalhadas para qualquer cluster específico, você deve repetir o processo de detalhamento na lista das seqüências no cluster para as transições reais de cada estado ou produto.
Você pode ir de uma seqüência listada em um cluster específico para a linha de transição. Na linha de transição, é possível determinar qual é o próximo produto e voltar para aquele produto na lista de seqüências. Ao repetir esse processo para o primeiro e segundo estados, será possível trabalhar em longas cadeias de estados.
Usando informações da seqüência
Um cenário comum para clustering de seqüência é o controle de cliques do usuário em um site na Web. Por exemplo, se os dados forem dos registros de compras de clientes no site da Web de e-commerce da Adventure Works, o modelo de cluster de seqüências resultante poderá ser usado para deduzir o comportamento dos clientes, reprojetar o site de e-commerce para solucionar problemas de navegação ou divulgar promoções.
Por exemplo, a análise pode mostrar que os usuários sempre seguem uma cadeia específica de produtos, independentemente dos dados demográficos. Além disso, você também pode descobrir que os usuários freqüentemente encerram o site depois de clicar em um produto específico. Com isso, é possível se perguntar quais caminhos adicionais poderiam ser fornecidos aos usuários para induzi-los a permanecer no site da Web.
Se não tiver informações adicionais para classificar seus usuários, poderá simplesmente usar as informações da seqüência para coletar dados sobre a navegação e, com isso, compreender melhor o comportamento geral. Entretanto, se puder coletar informações sobre clientes e compará-las com o banco de dados de clientes, poderá combinar a eficácia dos clusterings com a previsão de seqüências para fornecer recomendações específicas para o usuário ou ,talvez, com base no caminho de navegação da página atual.
Outro uso das informações de transição e estado compiladas por um modelo de clustering de seqüência é para determinar quais caminhos possíveis nunca são usados. Por exemplo, se você tiver muitos visitantes que foram das páginas 1 a 4, mas que nunca continuam até a página 5, poderá investigar se há problemas que estão impedindo a navegação na página 5. Isso pode ser feito ao consultar o conteúdo do modelo e compará-lo a uma lista de caminhos possíveis. Os gráficos que indicam todos os caminhos de navegação em um site da Web podem ser criados programaticamente ou usando diversas ferramentas de análise do site.
Para saber como obter a lista dos caminhos observados ao consultar o conteúdo do modelo e para verificar exemplos de consultas em um modelo de clustering de seqüência, consulte Consultando um modelo de cluster de seqüências (Analysis Services – Mineração de Dados).