SQL Server中的监控数据挖掘算法

　　SQL Server Analysis Services2012提供了九中监控数据挖掘算法，可以使用这些算法来解决各种业务问题。根据这些算法所适用的业务问题的性质，可以将其粗略地归为一下五个类别：分类、回归、分段、顺序分析、关联。
　　分类监控数据挖掘算法可以帮助解决的业务问题包括：确定新客户应该应该具有的会员类型，或者根据客户的特性确定是否可以批准其申请的贷款。分类算法可以根据输入数据的特性预测一个或多个连续的变量。所谓不连续的变量，指的是那些包含有限的一组值的变量。一些不连续的变量的示例包括性别、某个家庭中的子女数量以及某个客户端所拥有的汽车数量。
　　回归算法与分类算法类似，但不同的是这种算法可以预测一个或多个连续的变量，而不是预测不连续的特性。所谓连续的变量，指的是那些可以具有很多值的变量。连续变量的示例包括年收入、一个人的年龄以及上下班的通勤路程。对于属于回归类别的算法，这是一个连续的值，并且想要确定销售这套房子能够赚多少钱。
　　分段算法可能是使用范围最为广泛的算法。分段就是根据输入特性创建项目的分段或组的过程。客户分段是最常见的商业应用程序之一，其中商店和公司会根据各种输入特性对其客户进行分段。一种最常见的分段用途是对可能进行购买的客户执行有针对性的邮寄促销活动。与向所有客户发送邮件比起来，这种方法可以降低成本，从而最大限度地提高公司可以获得得利润。
　　顺序分析算法可以根据特定得操作序列对输入数据进行分析并将其分组。例如，如果你想要分析上网用户的浏览模式（用户在网上访问的页面序列和顺序）并根据浏览模式对其进行分组，那么可以使用顺序分析算法。根据访问的页面序列，可以确定用户的兴趣，并以服务的形式为用户提供相应的信息，或者显示与用户的喜好相关的广告从而增加特定产品的销售量。
　　关联数据挖掘算法可以帮助你确定数据集中的关联。通常情况下，这些算法用于执行市场篮分析，这种分析主要是分析仪器购买的各种产品之间的关联关系。基于此分析可以确定各种产品之间的关联关系，了解了这些关联关系以后可以对相关的产品一起进行跨区销售，从而增加销售量。有一个非常有名的数据挖掘示例可以凸显出关联算法的作用。