SQL SERVER數據挖掘之理解聚類算法和順序聚類算法
繼上次我們介紹了：SQL SERVER數據挖掘之理解列的用法，這次我們介紹SQL SERVER數據挖掘之理解聚類算法和順序聚類算法，下面我們就開始介紹。
聚類算法是使用非常多的一種算法，它的作用是對數據進行分組，將特征相近的實體組織在一起，以便幫助我們對于目標實體分類決策。典型的情況，例如人口分析，客戶分析。
聚類算法大致的效果如下（下面的分類名都可以修改，定義成我們更加容易理解的，例如“金牌客戶”，“銀牌客戶”等等）。
有關聚類算法，有一個常見的問題就是：同一個實體會不會出現在不同的類里面呢？也就是說是否有可能會有重疊的情況？
這個問題的答案是：是否有重疊的情況，取決于算法的設置，默認情況下，是可能重疊的。
下面這個算法參數列表中，有一個CLUSTERING_METHOD，默認為1.就是所謂的EM（Expectation Maximization）這種算法，這是允許重疊的。
如果設置為3或者4，則不允許重疊。至于是否可以伸縮（Scalable）表示的是該算法讀取數據的規則，如果可伸縮，則表示會先讀取50000條記錄作為種子進行建模，如果足夠，則停止讀取。否則繼續讀取下50000個。而不可伸縮則每次都讀取所有的實體。
那么，什么是“順序聚類”呢？其實它的完整名稱應該是”Microsoft 順序分析和聚類分析”，也就是結合了順序分析和聚類分析的一種特殊的算法。
這個算法建立模型之后，大致看到的效果是下面這樣的：
【備注】這里一定要注意，除了標準的屬性之外，順序聚類會多出來所謂的“Transitions”，這里也就是體現了順序的概念。并且順序聚類算法與標準的聚類算法相比，更多出來另外一個專門的圖形，請看下圖。
關鍵就在于，這個圖你該如何理解呢？我總結這么幾點：
1. 順序聚類算法，首先它是一個聚類算法，他會對輸入的實體進行分組。
2. 之所以稱為順序聚類，是說它可以在分完組之后，針對這些組的實體的一些行為（主要是與時間有關的行為）進行分析，展示。
典型的情況有：分析不同客戶群體將物品放入購物籃的順序，分析不同用戶群體訪問公司網頁的點擊順序流。
關于SQL SERVER數據挖掘之理解聚類算法和順序聚類算法的內容就介紹到這里，下次我們介紹：SQL SERVER數據挖掘之如何實現Web路徑流挖掘。
【編輯推薦】
