訪客叢集

重要

深入了解Data Workbench 終止公告.

訪客叢集可讓您運用客戶特性，以動態方式分類訪客，並根據選取的資料輸入產生叢集，借此識別具有類似興趣和行為的群組，以便進行客戶分析和鎖定。

聚類過程

叢集程式會要求您識別要作為輸入的量度和維度元素，並可讓您選擇特定目標母體，以套用這些元素來建立指定的叢集。 當您運行群集過程時，系統會使用度量和維輸入來確定指定數量的群集的適當初始中心。 然後，這些中心被用作應用K-Means算法的起始點。

  • 通過林冠叢集通道智慧地選擇初始中心。
  • 將每個資料點與最接近的中心相關聯，即可建立資料叢集。
  • 每個K簇的平均值成為新中心。
  • 在步驟2和步驟3中重複該算法，直到達到收斂。 這可能需要多次。

此 Maximum Iterations 在 Options 菜單允許分析人員指定要由群集算法執行的最大迭代次數。 設定此選項可能會導致基於最大迭代次數上限的群集過程更快完成，而犧牲群集中心的精確收斂。

注意

定義叢集後，即可儲存叢集Dimension以像任何其他維度一樣使用。 它也可以載入到群集資源管理器中，以檢查群集中心的分離。

在「叢集產生器」中，您可以選取 Options > Algorithm 定義群集時選擇算法。 目前有3種支援的演算法：

  • KMeans
  • Kmeans++
  • 期望最大化

有2種方法可運行群集過程：

  • 方法1 — 按一下 Go （在「群集視覺效果」窗口中）。
  • 方法2 — 按一下 Submit 在「集群可視化」窗口中，將集群作業直接發送到伺服器。 您可以透過「查詢的詳細狀態」選項追蹤進度。

演算法有下列限制：

  1. 如果您使用方法1，則可以選取任何支援的叢集演算法。
  2. 如果使用方法2，則可選擇kmeans或kmeans++。 期望最大化選項將不可用。
注意

在 DPU.cfg 檔案中，「查詢，記憶體限制」的值預設為500 MB。 運行多個群集作業時，必須增加此值。 例如，如果您同時執行5個叢集作業，請將此值增加為1 GB。 在不重新啟動伺服器的情況下，無法取消群集作業。

Recommendations

迭代次數（掃描資料的次數）和配置的收斂閾值會嚴重影響群集效能。 下表提供您可遵循的更廣泛指引：

群集數 演算法 迭代 收斂閾值 標準化
6 Kmeans 2.55萬 1e-3 最小值 — 最大值
6 Kmeans 2.55萬 1e-6 最小值 — 最大值
6 克梅恩++ 50 1e-6 最小值 — 最大值

本頁內容