Nó do cluster automático

O nó Auto Cluster estima e compara modelos de armazenamento em cluster que identificam grupos de registros com características semelhantes. O nó funciona da mesma maneira que outros nós de modelagem automatizados, permitindo experimentar várias combinações de opções em uma única passagem de modelagem. Os modelos podem ser comparados usando medidas básicas com as quais tentar filtrar e classificar a utilidade dos modelos de cluster e fornecer uma medida com base na importância de campos específicos

Os modelos de armazenamento em cluster são frequentemente usados para identificar grupos que possam ser usados como entradas em análises subsequentes Por exemplo, você pode desejar atingir grupos de clientes com base em características demográficas, como renda ou com base nos serviços que eles compraram no passado. Você pode fazer isso sem conhecimento prévio sobre os grupos e suas características-você pode não saber quantos grupos procurar ou quais recursos usar para defini-los. Os modelos de armazenamento em cluster geralmente são referidos como modelos de aprendizado não supervisionados, pois eles não usam um campo de destino e não retornam uma previsão específica que pode ser avaliada como true ou false. O valor de um modelo de armazenamento em cluster é determinado por sua capacidade de capturar agrupamentos interessantes nos dados e fornecer descrições úteis desses agrupamentos.

Requisitos. Um ou mais campos que definem as características de interesse Os modelos de cluster não usam campos de destino da mesma maneira que outros modelos, porque eles não fazem predições específicas que possam ser avaliadas como true ou false Em vez disso, eles são usados para identificar grupos de casos que podem estar relacionados. Por exemplo, não é possível usar um modelo de cluster para prever se um determinado cliente irá migrar ou responder a uma oferta. Mas é possível usar um modelo de cluster para designar clientes a grupos com base em sua tendência de fazer essas coisas. Campos de ponderação e frequência não são usados.

Campos de avaliação.. Embora nenhum destino seja usado, opcionalmente é possível especificar um ou mais campos de avaliação a serem usados na comparação de modelos. A utilidade de um modelo de cluster pode ser avaliada medindo quão bem (ou mal) os clusters diferenciam esses campos.

Tipos de Modelos Suportados

Os tipos de modelos compatíveis incluem TwoStep, K-Means, Kohonen, One-Class SVM e K-Means-AS.