您在此处：
结构集群 (Beta)
在 Data 360 中使用集群来发现隐藏的模式，并根据您选择的字段的相似性发现结构化数据中的自然分组。集群识别新出现的客户简档、重复的支持模式和意外的行为趋势。
在训练后，模型会将每个记录分配到集群 ID 和系统生成的集群标签。例如，根据购买数据训练的模型可以自动识别“忠诚客户”、“大客户”或“风险客户”等群体。经过训练的模型随着时间的推移将新记录一致地映射到现有集群。它评估传入的数据，并分配相似性分数，该分数指示每个记录与其集群的匹配程度。Data 360 将这些输出字段添加到数据集。应用输出字段来推动整个 Salesforce 的细分、分析和激活。
备注 集群是一项 Beta 服务，它受协议 — Salesforce.com 中的 Beta 服务条款或书面统一 Beta 协议（如果由客户执行）以及产品条款目录中的适用条款的约束。使用此 Beta 版服务由客户自行决定。
查看这些集群目标。
-
自动将客户或记录分为有意义的小组
-
发现数据属性之间的模式和相似性
-
识别高价值、有风险或基于行为的细分
-
使用集群 ID 和标签丰富数据集，以便定向、个性化和分析
集群设置
要使用集群，请从 Data Cloud 设置中的功能管理器打开结构集群 (Beta)。
集群功能
K-means 算法根据相似性将记录分组到定义数量的集群中。该模型默认为 3 个集群，但您可以手动定义此设置。要将噪声或真实数据集群化，并将异常值分组到单独的无所不包集群中，请使用 HDBScan 算法。
查看这些集群功能。
- 在 AI 模型选项卡中使用结构化数据模型对象 (DMO) 进行模型构建和训练
- 使用训练度量进行集群质量评估，例如内聚性得分、差异性得分和轮廓得分
- 集群汇总和代表性示例记录，显示每个集群的特征字段值
- 分配用于覆盖系统生成的标签的自定义集群标签
- 通过流对新数据进行集群推理，将记录分配到现有集群
- 推理输出，例如集群 ID、集群标签、相似性分数和热门因素
集群质量度量
要评估集群是否有意义，请在模型训练后查看这些度量。
| 度量 | whAT IT 评测 |
|---|---|
| 凝聚力得分 | 集群中的记录彼此如何相似。越高越好。 |
| 差异性得分 | 集群彼此之间的差异。较低的值表示更加不同的集群。 |
| 剪影得分 | 内聚和分离的组合评测，范围从 -1 到 1。分数高于 0.7 表示定义明确的集群。 |
如果分数低，请删除产生噪音的变量，调整集群数量，或重新训练模型。
当您在推理期间对新数据运行流时，每个记录都会收到这些输出。
- 群集 ID
- 集群标签
- 相似性得分
您可以将这些输出分配到记录，使用现有流组件或摄取 API。
注意事项
查看这些注意事项。
- 结果因使用的字段和参数而异。
- 非常小或高度相似的数据集会产生不太明显的集群。
- 相关和高质量的输入字段提供了更好的集群结果。
- 定期重新培训会使集群与不断变化的数据保持一致。
本文章是否解决您的问题？
请与我们共享您的想法，以便我们进行改进！
