全文链接：http://tecdat.cn/?p=31887
原文出处：拓端数据部落公众号
本文通过 SQL Server Analysis Services数据挖掘的剖析模块，帮忙客户对一个职业、地区、餐饮消费水平的数据挖掘，并用可视化剖析图表显示数据。该后果可为餐饮业的管理者提供决策依据，进而使餐饮企业取得更多利润。同时，挖掘出与该职业绝对应的地区及消费水平，能够为职业倒退布局、餐饮市场的开辟提供无效根据。
筹备工作：数据.xls 数据导入数据库中。
将表格命名
在相应数据库中找到对应的数据
商业智能我的项目
抉择商业智能我的项目，analysis services我的项目，并抉择指标文件夹
在解决方案资源管理器中，右键单击数据源，抉择新建数据源
在解决方案资源管理器中，右键单击开掘构造，抉择新建开掘构造
设置输出数据与键Id
设置训练集和测试集的百分比
点击部署模型
看到右下角 部署实现
查看后果
从聚类后果能够看到，聚类将所有用户分成了2个聚类后果。
从不同类别的依赖图能够看到，类别10、4、8、6、7、5之间具备较强的相干关系。阐明这几个类别中的变量特色是相似的。上面能够具体看下每个类别中的各个属性的散布的比例。
另外一个聚类中，1、2、9为一个聚类簇，阐明这几类别中的变量特色相似。
同时能够看到每个变量再每个类别中的散布状况
能够看到消费水平很低的样本次要散布在分类10中
从上图能够看到 餐饮消费水平较高的类别是1，2,9类别中。
上面能够看到各个分类的剖面图
能够看到每个分类中各个level所占的比例。中餐次要散布在分类1、2中。拍档次要散布在分类6、10中。
年龄的散布也非常明显。大多数散布在26岁左右，分类10的样本年龄最大。同时能够看到分类1 和9 的支出最高，同时他们常去的餐厅类型为中餐。同时能够看到所在城市在分类3中次要是通辽和根河市。他们次要去的餐厅类型是西餐和排档。在分类9中，能够看到医生职业的样本次要去的也是西餐类型。分类1中能够看到，去中餐的样本次要是少了的医生。
而后能够看到总体的分类特色。最常去的餐厅类型为西餐，其次是中餐。年收入最多的区间是51900到67000之间。餐饮生产在10元到18元之间。样本的次要年龄段在20岁到25岁。所在城市次要为根河市，其次是乌兰浩特。样本的职业中，最多的是客服专员。
从每个类别的偏向水平来看，分类1中，次要的样本区的是中餐餐厅。每次的生产在20到30元之间。年收入在8万到12万之间，阐明这些样本的支出较高。其中，行政主管所占的百分比较高。有大量的创意总监。
从每个类别的偏向水平来看，分类1中，次要的样本区的是中餐餐厅。他们所在的城市次要在鄂尔多斯。
从每个类别的偏向水平来看，分类3中，次要的样本支出在3万3到3万6之间。他们的职业次要是文案策动，常去的餐厅为非中餐餐厅。
从每个类别的偏向水平来看，分类4中，次要的样本区的是西餐餐厅。次要的职业为市场总监。
从每个类别的偏向水平来看，分类5中，次要的样本区的是西餐餐厅。 次要的职业为电工和电话销售以及老师。
从每个类别的偏向水平来看，分类6中，次要的样本去的是排挡餐厅。 次要的职业为学生和服务员及会计师。该群体大部分支出较低或者没有支出。因而每次的餐厅生产也较低。
最受欢迎的见解
1.R语言k-Shape算法股票价格工夫序列聚类
2.R语言基于温度对城市档次聚类、kmean聚类、主成分剖析和Voronoi图
3.R语言对用电负荷工夫序列数据进行K-medoids聚类建模和GAM回归
4.r语言鸢尾花iris数据集的档次聚类
5.Python Monte Carlo K-Means聚类实战
6.用R进行网站评论文本开掘聚类
7.R语言KMEANS均值聚类和档次聚类：亚洲国家地区生存幸福品质异同可视化**
8.PYTHON用户散失数据挖掘：建设逻辑回归、XGBOOST、随机森林、决策树、反对向量机、奢侈贝叶斯模型和KMEANS聚类用户画像
9.R语言基于Keras的小数据集深度学习图像分类
