찾아보기를 사용하여 클러스터링 모델을 열면 모델이 Analysis Services의 클러스터링 뷰어와 유사하게 대화형 뷰어에 표시됩니다. 뷰어를 사용하면 생성된 클러스터를 탐색하고 클러스터 특성을 이해할 수 있습니다. 개별 세그먼트를 다른 세그먼트 또는 모집단과 비교하고 대조할 수도 있습니다.
모델 탐색
찾아보기 창에는 클러스터링 모델을 이해하고 기본 데이터 그룹의 특성을 탐색하는 데 도움이 되는 다음 도구가 포함되어 있습니다.
클러스터링 모델을 실험하려면 샘플 데이터 통합 문서의 학습 탭에서 샘플 데이터를 사용하고 클러스터 마법사(Excel용 데이터 마이닝 추가 기능) 및 모든 기본값을 사용하여 클러스터링 모델을 빌드할 수 있습니다.
클러스터 다이어그램
클러스터 다이어그램 탭에는 마이닝 모델에 있는 모든 클러스터가 표시됩니다. 여기서는 데이터 집합에서 발견된 다양한 그룹화 수와 서로 얼마나 가깝거나 멀리 떨어져 있는지 확인할 수 있습니다.
클러스터 다이어그램 살펴보기
다이어그램에서 클러스터 1을 클릭합니다.
선택한 클러스터로 이어지는 선이 밝은 파란색으로 강조 표시되도록 모든 클러스터를 연결하는 회색 선이 어떻게 변경되는지 확인합니다.
한 클러스터를 다른 클러스터에 연결하는 선의 강도는 클러스터의 유사성 강도를 나타냅니다. 음영이 옅거나 없는 경우 클러스터는 별로 유사하지 않습니다. 선이 어두워지면 두 클러스터 간의 유사성이 더 강하다는 것을 나타냅니다.
슬라이더를 클릭하고 클러스터 다이어그램의 왼쪽으로 끌어서 뷰어가 표시하는 줄 수를 조정합니다.
슬라이더를 아래로 끌면 클러스터 간에 가장 강력한 링크만 표시됩니다. 이렇게 하면 관련 그룹에 집중할 수 있습니다.
클러스터 다이어그램 창의 오른쪽 위 모서리에 있는 음영 변수 컨트롤을 확인합니다.
기본적으로 Population으로 설정됩니다. 즉, 더 어두운 클러스터는 더 큰 지원을 받습니다.
커서를 사용하여 클러스터를 일시 중지합니다.
해당 클러스터의 모집단을 포함하는 툴팁이 표시됩니다.
이제 음영 변수 드롭다운 목록을 클릭하고 Age 변수를 선택합니다. 이렇게 하면 상태 텍스트 상자에 값 목록이 표시됩니다.
이 모델에 대한 입력으로 사용되는 Age 열에는 연속 숫자 값이 포함되지만 클러스터링을 위해 알고리즘은 항상 숫자를 불연속화합니다. 여기에서 "매우 낮음(=27)" 및 "매우 높>음(<=63)"과 같이 알고리즘이 만든 bin 또는 그룹을 볼 수 있습니다.
상태 드롭다운 목록에서 [매우 높음]을 선택하고 다이어그램이 어떻게 변경되는지 확인합니다.
음영 변수를 변경하여 이 대상 연령 그룹을 더 많이 포함하는 클러스터와 이 연령대의 고객이 거의 없는 클러스터를 한눈에 볼 수 있습니다.
음영이 어두워질수록 대상 속성과 값의 분포가 클러스터를 이루며 비율이 커집니다.
음영 변수가 나이 >65로 설정될 때 가장 어두운 음영이 적용된 클러스터를 찾습니다.
마우스를 클러스터에 올려놓습니다.
도구 설명에 표시되는 값은 이제 65세 이상인 이 클러스터의 고객 모집단을 보여줍니다.
클러스터를 마우스 오른쪽 단추로 클릭하고 클러스터 이름을 바꿉니다. 설명이 포함된 새 이름(예: Over 65)을 입력합니다. 새 이름은 모델과 함께 서버에 저장되며 다른 클러스터링 뷰에서 클러스터를 식별하는 데 사용할 수 있습니다.
클러스터 프로필
클러스터 프로필 탭을 사용하면 모든 클러스터의 구성을 한눈에 비교할 수 있습니다. 모델에 익숙해지면 시작하기에 좋은 장소입니다. 이 보기는 나중에 특정 클러스터를 탐색하고 관련 클러스터를 찾아야 한다고 결정한 경우에도 유용합니다.
또한 클러스터 프로필은 클러스터가 서로 어떻게 다른지에 대한 좋은 개요를 제공합니다. 따라서 이 보기를 사용하여 각 클러스터에 설명이 포함된 이름을 지정하는 것이 편리할 수 있습니다.
클러스터 프로필 탐색
직업에 대한 셀을 클릭, 상태 열에서, 직업에 대한 모든 값의 목록을 볼 수 있습니다.
이제 클러스터 프로필에서 직업 위로 커서를 이동합니다.
툴팁은 해당 클러스터에서 직업 분포를 보여줍니다.
일부 클러스터(예: 그래픽의 클러스터)에서는 직업 목록이 완료되지 않으며 일부 직업은 기타라는 레이블로 바뀝니다.
이것은 히스토그램의 많은 작은 막대 사이의 차이를 구별하기 어려울 수 있기 때문에 의도적으로 설계되었습니다. 기본적으로 중요도가 가장 높은 막대만 유지되고 나머지 막대는 회색 기타 버킷으로 그룹화됩니다.
히스토그램에 표시되는 막대 수를 변경하려면 히스토그램 막대 옵션을 사용합니다.
Age 열은 다른 열과 다르게 표시됩니다. 나이를 나타내는 데 사용되는 차트에서 다이아몬드를 클릭합니다.
Age 열에는 원래 연속 숫자만 포함되었습니다. 클러스터링 알고리즘에는 불연속 값이 필요하므로 Age 열의 숫자 값을 값 분포에 따라 제한된 수의 연령 그룹으로 그룹화했습니다.
클러스터 프로필에서 다이아몬드 차트 중 하나를 클릭합니다.
이러한 다이아몬드 차트는 원본 데이터가 연속 숫자 값을 사용하는 경우에만 표시됩니다. 다이아몬드 차트는 각 클러스터의 해당 값에 대한 평균 및 표준 편차를 포함하여 몇 가지 유용한 설명 통계를 제공합니다.
다이아몬드 차트의 선은 특성의 값 범위를 나타냅니다. 프로필 차트의 왼쪽에 있는 상태 열에도 값이 표시됩니다.
다이아몬드의 중심은 노드의 평균에 배치됩니다.
다이아몬드의 너비는 해당 노드에 있는 특성의 분산을 나타냅니다. 따라서 더 얇은 다이아몬드는 노드가 보다 정확한 예측을 만들 수 있음을 나타냅니다.
그래프에서 더 많은 공간을 확보하려면 바로 볼 필요가 없는 클러스터를 마우스 오른쪽 단추로 클릭하고 열 숨기기를 선택합니다. 모델에서 삭제하지 않고 열을 일시적으로 축소합니다.
숨겨진 클러스터를 보려면 열 가장자리를 클릭하고 끌거나 목록에서 클러스터 이름( 기타 클러스터)을 선택할 수 있습니다.
Bike Buyer를 찾을 때까지 특성 목록을 아래로 스크롤한 다음 예 값의 비율이 가장 높은 클러스터를 찾습니다.
이름을 바꿀 클러스터의 열 머리글을 마우스 오른쪽 단추로 클릭하고 클러스터 이름을 바꾸고Bike Buyers를 입력합니다.
새 클러스터 이름은 모델을 다시 처리할 때까지 모든 보기 및 서버에서 유지됩니다.
팁
열 머리글을 클릭하여 해당 클러스터의 중요도 순서대로 특성을 정렬합니다.
열을 끌어 뷰어에서 순서를 다시 지정합니다.
프로파일 차트의 셀을 클릭하면 마이닝 범례에서 자세한 통계를 볼 수 있습니다.
셀을 마우스 오른쪽 단추로 클릭하고 드릴스루 모델 열을 선택하여 기본 데이터를 Excel의 새 워크시트에 출력합니다.
클러스터의 열 머리글을 마우스 오른쪽 단추로 클릭하고 드릴스루를 선택하여 데이터를 구조화 하여 모델에 포함되지 않은 클러스터 멤버에 대한 자세한 정보를 가져옵니다.
예를 들어 고객을 프로파일링하는 경우 연락처 정보를 기본 데이터(마이닝 구조)에 그대로 둘 수 있지만 분석에 유용하지 않으므로 모델에 포함하지 않을 수 있습니다. 그러나 고객이 클러스터에 할당된 후에는 드릴스루를 사용하여 자세한 데이터를 볼 수 있습니다.
클러스터 특성
클러스터 특성 보기를 사용하면 단일 클러스터를 실제로 탐색하여 이 데이터 그룹의 특징을 가장 강력하게 나타내는 특성을 찾을 수 있습니다.
클러스터 특성 살펴보기
클러스터 목록에서 65개 이상의클러스터 를 선택합니다.
클러스터를 선택한 후 해당 특정 클러스터를 구성하는 특성을 자세히 확인할 수 있습니다.
클러스터에 포함된 특성은 변수 열에 나열되고 나열된 특성의 상태는 값 열에 나열됩니다.
특성 상태는 이 클러스터의 확률과 함께 중요도 순서로 나열되며 확률 열에서 색이 지정된 막대로 표시됩니다.
변수 열을 클릭하여 특성별로 정렬합니다.
정렬 변수를 변경하면 소득 또는 자동차 소유권과 같은 변수의 값이 그룹에 어떻게 분산되는지 더 쉽게 확인할 수 있습니다.
Excel로 복사를 클릭합니다.
선택한 클러스터의 특징을 포함하는 새 워크시트가 통합 문서에 추가됩니다.
이제 목록에서 다른 클러스터인 Bike Buyer를 선택합니다.
Excel로 복사를 클릭합니다.
새 클러스터 특성 차트는 자체 워크시트에 추가됩니다. 다른 프로필과 동일한 워크시트로 이동하여 비교를 더 쉽게 수행할 수 있으며, 다음 단계에서 수행할 작업입니다.
팁
65세 이상 클러스터에서 고객의 주요 특징은 제품을 구입하지 않는다는 것입니다. 이러한 이유를 알고 싶다면 클러스터를 찾아보고 그룹을 비교하거나 의사 결정 트리 모델 또는 Naïve Bayes 모델과 같은 원인과 결과를 탐색하는 데 유용한 알고리즘을 사용하여 관련 모델을 만들 수 있습니다.
이 클러스터(또는 모든 클러스터)에 대한 특성 및 확률의 전체 목록을 얻으려면 쿼리를 만들 수 있습니다. 클러스터링 모델에 대한 쿼리 예제는 클러스터링 모델 쿼리 예제를 참조하세요.
클러스터 차별
클러스터 구분 탭을 사용하여 두 클러스터 간 또는 클러스터와 데이터 집합의 다른 모든 사례 간에 특성을 비교합니다.
이 뷰어의 기능을 강조 표시하기 위해 클러스터 특성 보기를 기반으로 만든 Excel의 병렬 테이블과 비교합니다.
클러스터 차별 살펴보기
클러스터 1 및 클러스터 2 목록을 사용하여 비교할 클러스터를 선택합니다.
클러스터 1의 경우 65개 이상을 선택합니다.
클러스터 2의 경우 자전거 구매자를 선택합니다.
비교는 다음 그래픽과 유사해야 합니다.
클러스터 차별 뷰어는 두 그룹을 구분하는 데 가장 중요한 특성을 추출하기 위해 복잡한 쿼리를 데이터 마이닝 서버에 전송하므로 두 고객 집합을 더 쉽게 비교할 수 있습니다.
Favors... 열 가운데 하나를 클릭하세요.
특성 및 값 목록 오른쪽의 막대에는 선택한 클러스터의 특성으로 가장 중요한 기능 또는 값이 표시됩니다.
이제 Excel의 목록을 비교합니다.
뷰어에서 이미지를 작성하는 데 사용된 기본 통계는 Excel에 테이블로 저장되므로 실제 확률 값을 필터링 및 정렬하고 볼 수 있습니다.
Excel을 사용하는 것 외에도 Visio용 클러스터 뷰어를 사용해 보는 것이 좋습니다. 이를 통해 데이터 요소를 보는 것뿐만 아니라 그래프를 광범위하게 수정하고 개선할 수도 있습니다. 자세한 내용은 클러스터 다이어그램 연습(데이터 마이닝 추가 기능)을 참조하세요.
팁
고객 그룹에 대한 인사이트를 얻은 후 What-If 시나리오(Excel용 테이블 분석 도구) 또는 목표 검색 시나리오(Excel용 테이블 분석 도구) 도구를 사용하여 결과에 영향을 주도록 변경될 수 있는 모델의 요소를 탐색해 보세요.
또한 참조하십시오
Excel에서 모델 찾아보기(SQL Server 데이터 마이닝 추가 기능)
클러스터 마법사(Excel용 데이터 마이닝 추가 기능)