SQL SERVER データマイニング: クラスタリングアルゴリズムとシーケンシャルクラスタリングアルゴリズムの理解

前回の「SQL SERVER データマイニングと列の使用方法の理解」に続き、今回はSQL SERVER データマイニングとクラスタリングアルゴリズムおよびシーケンシャルクラスタリングアルゴリズムの理解について紹介します。以下の紹介から始めましょう。

クラスタリングアルゴリズムは、非常に一般的に使用されているアルゴリズムです。その機能は、データをグループ化し、類似した特性を持つエンティティを整理して、対象エンティティの分類決定を支援することです。代表的なケースとしては、人口統計分析、顧客分析などが挙げられます。

クラスタリングアルゴリズムの一般的な効果は次のとおりです (以下のカテゴリ名は、「ゴールドカスタマー」、「シルバーカスタマー」など、理解しやすいように変更および定義できます)。

クラスタリングアルゴリズムに関するよくある質問は、「同じエンティティが異なるクラスターに現れるかどうか」です。重複する可能性はありますか？

この質問に対する答えは、重複があるかどうかはアルゴリズムの設定によって決まるということです。デフォルトでは重複が可能です。

以下のアルゴリズムパラメータリストには、デフォルトで 1 に設定されている CLUSTERING_METHOD があります。これは、オーバーラップを許可する EM (期待値最大化) アルゴリズムと呼ばれるものです。

3 または 4 に設定すると、重複は許可されません。スケーラブルかどうかは、アルゴリズムがデータを読み取るためのルールを指します。スケーラブルである場合、最初に 50,000 件のレコードがモデリングのシードとして読み取られます。十分な場合は、読み取りが停止します。それ以外の場合は、次の 50,000 を読み続けてください。非スケーラブルでは、毎回すべてのエンティティが読み取られます。

では、「シーケンシャルクラスタリング」とは何でしょうか?実際、その正式名称は「Microsoft Sequence Clustering」であり、シーケンス分析とクラスター分析を組み合わせた特殊なアルゴリズムです。

このアルゴリズムがモデルを構築した後の効果は、おおよそ次のようになります。

[注] 標準属性に加えて、シーケンシャルクラスタリングには、順序の概念を反映する、いわゆる「遷移」があることに注意することが重要です。標準のクラスタリングアルゴリズムと比較して、シーケンシャルクラスタリングアルゴリズムでは、次の図に示すように、別の特殊なグラフが生成されます。

重要なのは、この絵をどう理解すべきかということです。以下の点をまとめます。

1. シーケンシャルクラスタリングアルゴリズム。まず、入力エンティティをグループ化するクラスタリングアルゴリズムです。

2. グループを分割した後、これらのグループ内のエンティティのいくつかの動作（主に時間に関連した動作）を分析して表示できるため、シーケンシャルクラスタリングと呼ばれます。

典型的な状況としては、さまざまな顧客グループが商品をショッピングカートに入れる順序を分析したり、会社の Web サイトにアクセスするさまざまなユーザーグループのクリックシーケンスフローを分析したりすることが挙げられます。

これで、SQL SERVER データマイニングの紹介: クラスタリングアルゴリズムとシーケンシャルクラスタリングアルゴリズムの理解は終了です。次回は、SQL SERVER データマイニング: Web パスフローマイニングの実装方法を紹介します。

【編集者のおすすめ】