模型自学习&批量预测
- 在数据挖掘实验中新建一个机器学习建模流程（可以使用数据挖掘案例快速建一个，如 银行信用贷款预测 案例），运行成功并保存实验（用于模型自学习）。
2. 右键点击图中的抽取、训练节点，把它们所对应的算法都保存成模型（后面的模型批量预测里不能有抽取和训练节点，所以要使用已保存的模型），保存的模型会出现在左边"已训练模型"文件夹内。
- 用同样的实验流程，新建第二个数据挖掘实验（也可以用同一个案例再次新建）。然后把图中抽取、训练节点换成第二步中对应的已训练模型。运行成功并保存模型（用于模型批量预测）。
- 点击实验下方面板的模型批量预测图标，弹出的窗口点击保存。
- 回到第一个实验（信用贷款案例），点击下方面板中的设置模型自学习图标
- 在弹出的对话框中进行配置。
注：这里选择了准确率作为监控指标和一个较低的上线阈值，保证模型自学习在指标达到阈值时会更新对应的模型。
"更新服务/预测"中选择刚刚创建的第二个实验（模型批量预测），模型节点选择对应的已保存模型（信用预测）。
点击保存按钮，再点击"设置定时任务"。
- 在弹出的定时作业对话框点击"手动执行"。
- 显示运行请求发送后，此时模型自学习正在运行。稍等片刻后（或者在模型自学习列表中看到已完成后），打开第二个实验（信用贷款批量预测），可以看到对应的预测模型已经被更新。
注：模型名称添加的时间戳后缀是其中一种判断模型已更新的方式，也可以尝试调整模型自学习中的模型参数，然后观察模型批量预测中预测结果的变化，但这种方法更为复杂。
模型自学习 — 支持聚类和关联规则
聚类模型
聚类流程与上述流程相似，可以使用 "葡萄酒种类识别"案例快速建模。
关联规则
关联规则可以使用 "购物篮分析"案例。 注：图中需要有"关联规则生成"节点才能使用自学习。
前四个选项会被屏蔽。
