Esplorazione del modello di clustering (Esercitazione di base sul data mining)

Utilizzare l'elenco Modello di data mining nella parte superiore della scheda Visualizzatore modello di data mining per passare al modello TM_Clustering.

Nell'elenco Visualizzatore selezionare Visualizzatore Microsoft Clustering.

Nell'elenco Variabile ombreggiatura selezionare Bike Buyer.

La variabile predefinita è Popolazione, ma è possibile modificarla in un qualsiasi attributo del modello per individuare i cluster che contengono gli attributi desiderati.

Selezionare 1 nella casella Stato per esplorare i case in cui è stata acquistata una bicicletta.

Nella legenda di Densità viene descritta la densità della coppia di stati degli attributi selezionata in Variabile ombreggiatura e Stato. In questo esempio la legenda indica che il cluster con l'ombreggiatura più scura dispone della percentuale più elevata di acquirenti di biciclette.

Posizionare il mouse sul cluster con l'ombreggiatura più scura.

Nella descrizione comando verrà visualizzata la percentuale di case che includono l'attributo Bike Buyer = 1.

Selezionare il cluster con la densità più elevata, fare clic su di esso con il pulsante destro del mouse e scegliere Rinomina cluster, quindi digitare Bike Buyers High per identificarlo più avanti. Fare clic su OK.

Individuare il cluster con l'ombreggiatura più leggera (e la densità più bassa). Fare clic con il pulsante destro del mouse sul cluster, scegliere Rinomina cluster e digitare Bike Buyers Low. Fare clic su OK.

Fare clic sul cluster Bike Buyers High e trascinarlo in un'area del riquadro che consenta di visualizzarne chiaramente le connessioni agli altri cluster.

Quando si seleziona un cluster, le linee che lo connettono agli altri cluster vengono evidenziate, in modo che sia possibile vedere facilmente tutte le relazioni del cluster. Quando il cluster non è selezionato, dal colore delle linee è possibile dedurre il livello di relazione tra tutti i cluster del diagramma. Se l'ombreggiatura è chiara o inesistente, il grado di somiglianza dei cluster è basso.

Utilizzare il dispositivo di scorrimento nella parte sinistra della rete per escludere i collegamenti meno attendibili e individuare i cluster con le relazioni più strette. Il reparto marketing di Adventure Works Cycles potrebbe ad esempio raggruppare i cluster simili durante l'individuazione del metodo migliore per inviare i mailing diretti.

Impostare le barre di Istogramma su 5.

Nel modello utilizzato in questo esempio 5 è il numero massimo di stati per ogni singola variabile.

Se Legenda data mining blocca la visualizzazione di Profili attributo, spostare la legenda.

Selezionare la colonna Bike Buyers High e trascinarla a destra della colonna Popolazione.

Selezionare la colonna Bike Buyers Low e trascinarla a destra della colonna Bike Buyers High.

Fare clic sulla colonna Bike Buyers High.

La colonna Variabili verrà ordinata in base all'importanza per tale cluster. Scorrere la colonna e verificare le caratteristiche del cluster Bike Buyers High. È ad esempio più probabile che i clienti raggruppati in questo cluster abitino a breve distanza dal luogo di lavoro.

Fare doppio clic sulla cella Età nella colonna Bike Buyers High.

In Legenda data mining è ora disponibile una vista più dettagliata, che consente di visualizzare l'intervallo di età e l'età media dei clienti.

Fare clic con il pulsante destro del mouse sulla colonna Bike Buyers Low e selezionare Nascondi colonna.

Nella casella Cluster 1 selezionare Bike Buyers High.

Nella casella Cluster 2 selezionare Bike Buyers Low.

Fare clic su Variabili per applicare l'ordinamento alfabetico.

Alcune delle differenze più sostanziali fra i clienti nei cluster Bike Buyers Low e Bike Buyers High includono l'età, la proprietà di un'automobile, il numero di figli e l'area geografica.