將新模型加入至目標郵寄結構 (基本資料採礦教學課程)
在這項工作中，您將使用資料採礦Designer的[採礦模型] 索引標籤來定義兩個額外的模型。 您將會使用 Microsoft 群集和 Microsoft 貝氏機率分類演算法來建立模型。 之所以選擇這兩種演算法，是因為它們可以預測離散值 (例如自行車購買)。 如需這些演算法的詳細資訊，請參閱 Microsoft 叢集演算法 和 Microsoft 貝氏機率分類演算法
若要建立群集採礦模型
切換至 SQL SERVER DATA TOOLS (SSDT) 中資料採礦Designer的[採礦模型] 索引標籤。
請注意，設計工具會顯示兩個數據行，一個用於採礦結構，另一個用於
TM_Decision_Tree您在上一課中建立的採礦模型。以滑鼠右鍵按一下 [結構] 資料行，然後選取 [ 新增採礦模型]。
在 [ 新增採礦模型 ] 對話方塊的 [ 模型名稱] 中，輸入
TM_Clustering。在 [演算法名稱] 中，選取 [Microsoft 叢集]。
按一下 [確定] 。
新的模型現在會出現在資料採礦Designer的[採礦模型] 索引標籤中。 此模型是以 Microsoft 叢集演算法所建置，將具有類似特性的客戶分組成叢集，並預測每個叢集的自行車購買。 雖然您可以修改新模型的資料行使用方式和屬性，但本教學課程不需要變更 TM_Clustering 模型。
若要建立貝氏機率分類採礦模型
在 [資料採礦Designer的[採礦模型] 索引標籤中，以滑鼠右鍵按一下[結構] 資料行，然後選取 [新增採礦模型]。
在 [ 新增採礦模型 ] 對話方塊的 [ 模型名稱] 底下，輸入
TM_NaiveBayes。在 [演算法名稱] 中，選取 [Microsoft 貝氏機率分類]，然後按一下 [ 確定]。
此時會出現一則訊息，指出 Microsoft 貝氏機率分類演算法不支援連續的 Age 和 Yearly Income 資料行。
按一下 [是 ] 確認訊息並繼續。
新的模型會出現在資料採礦Designer的[採礦模型] 索引標籤中。 雖然您可以修改此索引標籤中所有模型的資料行使用方式和屬性，但本教學課程不需要變更 TM_NaiveBayes 模型。