Algoritmi di data mining (Analysis Services - Data mining)

  • Articolo

Un algoritmo di data mining è un set di approcci euristici e calcoli che consente di creare un modello di data mining dai dati. Per creare un modello, tramite l'algoritmo vengono innanzitutto analizzati i dati forniti, ricercando tipi specifici di modelli o tendenze. I risultati dell'analisi vengono utilizzati dall'algoritmo per definire i parametri ottimali per la creazione del modello di data mining. Questi parametri vengono quindi applicati all'intero set di dati per estrarre modelli utilizzabili e statistiche dettagliate.

Il modello di data mining creato da un algoritmo con i dati in uso può avere forme diverse, tra cui:

  • Set di cluster con cui viene descritto in che modo i case di un set di dati sono correlati.

  • Albero delle decisioni per la stima di un risultato e per la descrizione della modalità con cui criteri diversi possono incidere su tale risultato.

  • Modello matematico per la previsione delle vendite.

  • Set di regole mediante le quali viene descritto in che modo i prodotti vengono raggruppati in una transazione e le probabilità con cui tali prodotti vengano acquistati insieme.

In Microsoft SQL Server Analysis Services sono disponibili più algoritmi utilizzabili nelle soluzioni di data mining. Questi algoritmi sono implementazioni di alcune delle metodologie più diffuse utilizzate in un data mining. Tutti gli algoritmi di data mining di Microsoft possono essere personalizzati e sono completamente programmabili tramite API specificate o utilizzando i componenti di data mining in SQL Server Integration Services.

È possibile utilizzare inoltre algoritmi di terze parti che siano conformi alla specifica OLE DB per il data mining o che consentano lo sviluppo di algoritmi personalizzati registrabili come servizi, quindi utilizzati all'interno del framework Data Mining di SQL Server.

Scelta dell'algoritmo corretto

La scelta dell'algoritmo più appropriato da utilizzare per un'attività analitica specifica può rivelarsi complessa. Sebbene sia possibile utilizzare algoritmi diversi per eseguire la stessa attività aziendale, ogni algoritmo produce un risultato diverso e alcuni algoritmi possono produrre più di un tipo di risultato. È ad esempio possibile utilizzare l'algoritmo Microsoft Decision Trees non solo per le stime ma anche per ridurre il numero di colonne in un set di dati, in quanto l'albero delle decisioni può consentire di identificare colonne che non hanno effetto sul modello di data mining finale.

Scelta di un algoritmo in base al tipo

In Analysis Services sono inclusi i tipi di algoritmi seguenti:

  • Algoritmi di classificazione che consentono di stimare una o più variabili discrete, in base agli altri attributi del set di dati.

  • Algoritmi di regressione che consentono di stimare una o più variabili continue, ad esempio profitto o perdita, in base ad altri attributi nel set di dati.

  • Algoritmi di segmentazione che consentono di dividere i dati in gruppi, o cluster, di elementi con proprietà simili.

  • Algoritmi di associazione che consentono di trovare le correlazioni tra attributi diversi in un set di dati. L'applicazione più comune di questo tipo di algoritmo è costituita dall'utilizzo per la creazione di regole di associazione, che è possibile utilizzare in Market basket analysis.

  • Algoritmi di analisi delle sequenze che consentono di riepilogare le sequenze o gli episodi frequenti nei dati, ad esempio un flusso di percorso Web.

Tuttavia, non esiste alcun motivo per cui sia necessario limitarsi all'utilizzo di un solo algoritmo nelle soluzioni. Analisti esperti utilizzeranno qualche volta un algoritmo per determinare gli input più efficaci, ovvero variabili, quindi applicheranno un algoritmo diverso per stimare un risultato specifico in base a tali dati. Data Mining di SQL Server consente di compilare più modelli in una sola struttura di data mining, pertanto all'interno di una singola soluzione di data mining è possibile utilizzare un algoritmo di clustering, un modello di alberi delle decisioni e un modello Naive Bayes per ottenere viste diverse sui dati. È possibile utilizzare inoltre più algoritmi in una singola soluzione per eseguire attività separate. Ad esempio, è possibile utilizzare la regressione per ottenere previsioni finanziarie e utilizzare un algoritmo della rete neurale per eseguire un'analisi dei fattori che incidono sulle vendite.

Scelta di un algoritmo in base all'attività

Per facilitare la selezione di un algoritmo da utilizzare con un'attività specifica, nella tabella seguente sono disponibili suggerimenti sui tipi di attività per cui ciascun algoritmo viene utilizzato in modo tradizionale.

Esempi di attività

Algoritmo Microsoft da utilizzare

Stima di un attributo discreto

  • Contrassegnare i clienti in un elenco di potenziali acquirenti come buone o scarse possibilità.

  • Calcolare la probabilità di un errore del server entro i prossimi sei mesi.

  • Suddividere in categorie i risultati dei pazienti ed esplorare i fattori correlati.

Algoritmo Microsoft Decision Trees

Algoritmo Microsoft Naive Bayes

Algoritmo Microsoft Clustering

Algoritmo Microsoft Neural Network

Stima di un attributo continuo

  • Prevedere le vendite del prossimo anno.

  • Stimare i visitatori del sito in base a tendenze storiche passate e stagionali.

  • Generare un punteggio di rischio in base ai dati demografici.

Algoritmo Microsoft Decision Trees

Algoritmo Microsoft Time Series

Algoritmo Microsoft Linear Regression

Stima di una sequenza

  • Eseguire un'analisi clickstream del sito Web di una società.

  • Analizzare i fattori che portano a un errore del server.

  • Acquisire e analizzare sequenze di attività durante le visite dei pazienti in uscita, per formulare le procedure consigliate circa le attività comuni.

Algoritmo Microsoft Sequence Clustering

Ricerca di gruppi di elementi comuni nelle transazioni

  • Utilizzare Market basket analysis per determinare la posizione del prodotto.

  • Suggerire prodotti aggiuntivi a un cliente per l'acquisto.

  • Analizzare i dati dei sondaggi provenienti dai visitatori a un evento, per scoprire quali attività o stand fossero correlati, per pianificare le attività future.

Algoritmo Microsoft Association Rules

Algoritmo Microsoft Decision Trees

Ricerca di gruppi di elementi simili

  • Creare gruppi di profili di rischi dei pazienti in base ad attributi quali i dati demografici e i comportamenti.

  • Analizzare gli utenti esplorando e comprando modelli.

  • Identificare i server che dispongono di caratteristiche di utilizzo simili.

Algoritmo Microsoft Clustering

Algoritmo Microsoft Sequence Clustering

Contenuto correlato

Nella tabella seguente vengono forniti i collegamenti a risorse didattiche per ognuno degli algoritmi di data mining disponibili in Analysis Services:

Descrizione dell'algoritmo di base   

Vengono spiegati la funzione e il funzionamento dell'algoritmo nonché descritti i possibili scenari aziendali in cui l'algoritmo potrebbe risultare utile.

Algoritmo Microsoft Association Rules

Algoritmo Microsoft Clustering

Algoritmo Microsoft Decision Trees

Algoritmo Microsoft Linear Regression

Algoritmo Microsoft Logistic Regression

Algoritmo Microsoft Naive Bayes

Algoritmo Microsoft Neural Network

Algoritmo Microsoft Sequence Clustering

Algoritmo Microsoft Time Series

Riferimento tecnico

Vengono forniti dettagli tecnici sull'implementazione dell'algoritmo, con riferimenti accademici, se necessario. Sono elencati i parametri che è possibile impostare per controllare il comportamento dell'algoritmo e personalizzare i risultati nel modello. Vengono descritti i requisiti dei dati e forniti suggerimenti sulle prestazioni, se possibile.

Riferimento tecnico per l'algoritmo Microsoft Association Rules

Riferimento tecnico per l'algoritmo Microsoft Clustering

Guida di riferimento tecnico per l'algoritmo Microsoft Decision Trees

Riferimento tecnico per l'algoritmo Microsoft Linear Regression

Riferimento tecnico per l'algoritmo Microsoft Logistic Regression

Riferimento tecnico per l'algoritmo Microsoft Naive Bayes

Riferimento tecnico per l'algoritmo Microsoft Neural Network

Riferimento tecnico per l'algoritmo Microsoft Sequence Clustering

Riferimento tecnico per l'algoritmo Microsoft Time Series

Contenuto del modello

Viene spiegato come sono strutturate le informazioni all'interno di ciascun tipo di modello di data mining e viene illustrato come interpretare le informazioni archiviate in ognuno dei nodi.

Contenuto dei modelli di data mining per i modelli di associazione (Analysis Services - Data mining)

Contenuto dei modelli di data mining per i modelli di clustering (Analysis Services - Data mining)

Contenuto dei modelli di data mining per i modelli di albero delle decisioni (Analysis Services - Data mining)

Contenuto dei modelli di data mining per i modelli di regressione lineare (Analysis Services - Data mining)

Contenuto dei modelli di data mining per i modelli di regressione logistica (Analysis Services - Data mining)

Contenuto dei modelli di data mining per i modelli Naive Bayes (Analysis Services - Data mining)

Contenuto dei modelli di data mining per i modelli di rete neurale (Analysis Services - Data mining)

Contenuto dei modelli di data mining per i modelli Sequence Clustering (Analysis Services - Data mining)

Contenuto dei modelli di data mining per i modelli Time Series (Analysis Services - Data mining)

Query di data mining

Vengono fornite più query che è possibile utilizzare con ogni tipo di modello. Negli esempi sono incluse query contenuto che consentono di acquisire informazioni sui modelli nel modello e query di stima per facilitare la compilazione di stime in base a tali modelli.

Esempi di query sul modello di associazione

Esempi di query sul modello di clustering

Esempi di query sul modello di alberi delle decisioni

Esempi di query sul modello di regressione lineare

Esempi di query sul modello di regressione logistica

Esempi di query sul modello Naive Bayes

Esempi di query sul modello di rete neurale

Esempi di query sul modello di cluster di sequenza

Esempi di query sul modello di serie temporale

Attività correlate

Argomento

Descrizione

Determinare l'algoritmo utilizzato da un modello di data mining

Eseguire query sui parametri utilizzati per creare un modello di data mining

Creare un algoritmo plug-in personalizzato

Algoritmi plug-in

Esplorare un modello utilizzando un visualizzatore specifico dell'algoritmo

Visualizzatori modello di data mining

Visualizzare il contenuto di un modello utilizzando un formato di tabella generico

Visualizzare un modello utilizzando Microsoft Generic Content Tree Viewer

Acquisire informazioni sulla configurazione dei dati e sull'utilizzo degli algoritmi per la creazione di modelli

Strutture di data mining (Analysis Services – Data mining)

Modelli di data mining (Analysis Services - Data mining)

Vedere anche

Concetti

Strumenti di data mining