叢集模型的採礦模型內容 (Analysis Services - 資料採礦)

本主題說明使用 Microsoft 叢集演算法的模型專用的採礦模型內容。 如需所有模型類型的採礦模型內容的一般說明，請參閱 採礦模型內容 (Analysis Services - 資料採礦) 。

了解叢集模型的結構

叢集模型有簡單的結構。 每個模型都擁有代表模型及其中繼資料的單一父節點，而每個父節點則擁有群集的一般清單 (NODE_TYPE = 5)。 下列影像顯示這個組織。

每個子節點都代表單一群集，且包含有關該群集之案例屬性的詳細統計資料。 這包含群集中的案例計數，以及區分此群集與其他群集的值散發。

注意

您不需反覆運算節點來取得群集的計數或描述；模型的父節點也會計算及列出群集。

父節點包含有用的統計資料，可描述所有培訓案例的實際散發。 這些統計資料可在巢狀資料表資料行 NODE_DISTRIBUTION 中找到。 例如，下表顯示 NODE_DISTRIBUTION 資料表的數個資料列，描述叢集模型 TM_Clustering(您在 資料採礦基本教學課程中建立) 的客戶人口統計分佈：

ATTRIBUTE_NAME	ATRIBUTE_VALUE	SUPPORT	PROBABILITY	variance	VALUE_TYPE
年齡	Missing	0	0	0	1 (遺漏)
年齡	44.9016152716593	12939	1	125.663453102554	3 (連續)
性別	Missing	0	0	0	1 (遺漏)
性別	F	6350	0.490764355823479	0	4 (離散)
性別	M	6589	0.509235644176521	0	4 (離散)

從這些結果可以看到建置模型時使用了 12939 個案例、男女比率約為 50-50，平均年齡則為 44。 描述性統計資料是根據報告的屬性是否為連續的數值資料類型 (例如 age) 或離散值類型 (例如 gender) 而定。 連續資料類型會計算統計量值「平均值」和「變異數」，離散資料類型則會計算「機率」和「支援」。

注意

變異數代表叢集的總變異數。 當變異數的值很小時，代表資料行中大多數的值都相當接近平均值。 若要取得標準差，請計算變異數的平方根。

請注意，每個屬性都有一個 Missing 值類型，告訴您該屬性有多少沒有資料的案例。 遺漏的資料可能很多，而且視資料類型而會對計算造成不同的影響。 如需詳細資訊，請參閱 (Analysis Services - 資料採礦) 遺漏值 。

叢集模型的模型內容

本章節僅針對採礦模型內容中與叢集模型相關的資料行，提供詳細資料和範例。

如需架構資料列集中一般用途資料行的資訊，例如MODEL_CATALOG和MODEL_NAME，請參閱 Analysis Services - 資料採礦) 的採礦模型 (內容 。

MODEL_CATALOG
模型儲存位置所在資料庫的名稱。

MODEL_NAME
模型的名稱。

ATTRIBUTE_NAME
在叢集模型中永遠為空白，因為模式中沒有可預測的屬性。

NODE_NAME
永遠與 NODE_UNIQUE_NAME 相同。

NODE_UNIQUE_NAME
節點在模型內的唯一識別項。 這項值不能被改變。

NODE_TYPE
叢集模型會輸出下列節點類型：

節點識別碼和名稱	描述
1 (模型)	模型的根節點。
5 (群集)	包含群集中的案例計數、群集中的案例特性以及描述群集值的統計資料。

NODE_CAPTION
提供顯示用途的好記名稱。 在建立模型時，NODE_UNIQUE_NAME 的值會自動用來當做標題。 不過，您可以用程式設計的方式或使用檢視器來變更 NODE_CAPTION 的值，以更新群集的顯示名稱。

注意

在重新處理模型時，所有的名稱變更都會由新值所覆寫。 您不能在模型中保存名稱，或者在不同版本的模型之間追蹤群集成員資格的變更。

CHILDREN_CARDINALITY
節點所擁有子系數目的估計。

父節點 ：指出模型中的叢集數。

分葉節點 ：永遠為 0。

PARENT_UNIQUE_NAME
節點之父系的唯一名稱。

父節點 ：永遠為 NULL

叢集節點 ：通常為 000。

NODE_DESCRIPTION
節點的描述。

父節點 ：永遠為 (All)。

叢集節點 ：將叢集與其他叢集加以區分之主要屬性的逗號分隔清單。

NODE_RULE
不用於叢集模型。

MARGINAL_RULE
不用於叢集模型。

NODE_PROBABILITY
與此節點關聯的機率。 父節點 ：永遠為 1。

叢集節點 ：機率代表屬性的複合機率，且依用來建立叢集模型的演算法不同而有一些調整。

MARGINAL_PROBABILITY
從父節點到達節點的機率。 在叢集模型中，臨界機率永遠與節點機率相同。

NODE_DISTRIBUTION
包含節點之機率長條圖的資料表。

父節點 ：請參閱本主題的簡介。

叢集節點 ：代表此叢集所含案例的屬性及值的分佈。

NODE_SUPPORT
支援這個節點的案例數目。 父節點 ：指出整個模型的定型案例數目。

叢集節點 ：以案例數指出叢集大小。

注意 ：如果模型使用 K-Means 叢集，則每個案例都可以僅屬於一個叢集。 不過，如果模型使用 EM 群集，則每個案例都可以屬於不同的群集，且會針對案例所屬的每個群集為該案例指派一個加權距離。 因此，對於 EM 模型而言，個別群集的支援總和會大於整體模型的支援。

MSOLAP_MODEL_COLUMN
不用於叢集模型。

MSOLAP_NODE_SCORE
顯示與節點相關聯的分數。

父節點 ：叢集模型的 Bayesian Information Criterion (BIC) 分數。

分葉節點 ：永遠為 0。

MSOLAP_NODE_SHORT_CAPTION
主要用於顯示用途。 您無法變更此標題。

父節點 ：模型的類型：叢集模型

叢集節點 ：叢集的名稱。 範例：群集 1。

備註

Analysis Services 提供多個方法來建立叢集模型。 如果您不知道所使用的模型是用什麼方法建立的，可以用程式設計的方式、使用 ADOMD 用戶端或 AMO 或者查詢資料採礦結構描述的資料列集，來擷取模型的中繼資料。 如需詳細資訊，請參閱 查詢用於建立採礦模型的參數。

注意

不論您使用的叢集方法或參數為何，模型的結構和內容都會保持相同。

另請參閱

Mining Model Content (Analysis Services - Data Mining)
資料採礦模型檢視器
Microsoft 叢集演算法
資料採礦查詢