自动聚类节点

自动聚类节点估算和比较识别具有类似特征记录组的聚类模型。节点的工作方式与其他自动建模节点相同，这使您可以在一次建模运行中试验多个选项组合。模型可使用基本测量进行比较，以尝试过滤聚类模型的有效性以及对其进行排序，并提供一个基于特定字段的重要性的测量。

聚类模型常常用于识别在后续分析中可用作输入的组。例如，您可能希望基于如收入的统计特征来针对客户群，或基于客户过去购买的服务而针对客户群。可以在不了解客户群及其特征的情况下进行此操作 -- 您可能不知道要寻找多少个客户群，或该用什么特征去定义客户群。聚类模型常称作不受监督的学习模型，因为其不使用目标字段，且不返回可估算为真或假的具体预测。聚类模型的值由模型捕获数据中感兴趣的分组并提供这些分组的有用说明信息的能力来确定。请参阅聚类模型以获取更多信息。

需求。这是用于定义兴趣特征的一个或多个字段。聚类模型使用目标字段的方式与其他模型不同，因为其不作出能被评估为真或假的特定预测。相反，其用于识别可能相关的观测值组。例如，您无法使用预测给定客户会流失还是对预订作出积极响应的聚类模型。但您可以使用基于客户对此类事物的倾向性将客户分组的聚类模型。不使用权重字段和频率字段。

评估字段。虽然不使用目标，但是您可以选择性地指定要在比较模型中使用的一个或多个评估字段。可通过衡量聚类是否能有效区分这些字段，评估聚类模型的效果。

支持的模型类型

支持的模型类型包括二阶、K 均值、Kohonen、单类 SVM 和 K-Means-AS。