SQL Server 2008 資料探勘核心概念 (3/5)：探索資料與建立模型

探索資料

透過統計摘要（最小/最大值、平均、標準差、分佈）了解資料特性：

• 判斷資料是否代表業務實況，決定是否需補充平衡資料。
• 大標準差暗示需更多資料改善模型。
• 偏離常態分佈的資料可能扭曲模型，或真實反映罕見事件。

BIDS 的資料來源檢視設計器提供多種探索工具。建立模型時，Analysis Services 會自動產生統計摘要供查詢報表使用。

建立模型

1. 建立探勘結構：定義資料來源、欄位、型別。處理結構時產生彙總統計供所有模型共用。
2. 定義探勘模型：指定輸入欄位、可預測屬性、演算法參數。模型在處理前僅為容器。
3. 訓練模型：將演算法套用至結構資料，萃取模式。結果取決於訓練資料、演算法選擇與參數設定。

SQL Server 2008 內建多種演算法（決策樹、樸素貝式、叢集、關聯規則、時間序列等），各適合不同任務。可用參數微調演算法、套用篩選器使用資料子集。訓練完成後可查詢模型摘要與模式進行預測。定義模型可用「資料探勘精靈」或 DMX 語言。

注意：資料變更時必須重新處理結構與模型以更新。