Górnictwo modelu zawartości dla modeli Naive Bayes (Analysis Services - wyszukiwania danych)

Opis struktury modelu Naive Bayes

Model Naive Bayes ma pojedynczy nadrzędnym, reprezentującą modelu i jej metadane, a na dole które nadrzędnym węźle dowolnej liczby niezależnych drzew, reprezentujące atrybuty przewidywalny, wybrane.Oprócz drzew atrybutów każdego modelu zawiera jeden węzeł Statystyka marginalny (NODE_TYPE = 26) zapewnia Statystyki opisowe informacje o zestaw przypadków szkolenia.Aby uzyskać więcej informacji, zobacz informacji w marginalnym węzeł Statystyka.

Dla każdego atrybut przewidywalny i wartość model wyświetla wynik to w szczególności Przewidywalne wpływ drzewa, które zawiera informacje opisujące sposób wprowadzania różnych kolumn.Każde drzewo zawiera atrybut przewidywalny i wartość (NODE_TYPE = 9) i następnie serii węzłów, reprezentujące atrybuty wejściowy (NODE_TYPE = 10).Ponieważ atrybuty wprowadzania zwykle wiele wartości, wprowadzania każdego atrybut (NODE_TYPE = 10) może mieć wiele węzłów podrzędność (NODE_TYPE = 11), dla konkretnego Państwa atrybut.

Model zawartości dla modelu Naive Bayes

Ta sekcja zawiera szczegółowe i przykłady tylko dla tych kolumn w model wyszukiwania zawartość ma szczególne znaczenie dla modeli Naive Bayes.

Aby uzyskać informacje dotyczące ogólnego przeznaczenia kolumn w zestawie zestaw wierszy schematu, takie jak MODEL_CATALOG i nazwa_modelu, który nie opisane tutaj lub dla wyjaśnienia model wyszukiwania terminologii, zobacz Górnictwo modelu zawartości (Analysis Services - wyszukiwania danych).

• MODEL_CATALOG
  Nazwa bazy danych, w którym przechowywany jest model.

• NAZWA_MODELU
  Nazwa modelu.

• ATTRIBUTE_NAME
  Nazwy atrybutów, które odpowiadają tym węźle.

  Główny modelnazwę atrybut przewidywalne.

  Statystyki marginalny nie dotyczy

  Przewidywalne atrybutnazwę atrybut przewidywalne.

  Atrybut wejściowynazwę atrybutu wejściowego.

  Wejściowy stanie atrybutunazwy wejściowe atrybut tylko.Aby uzyskać stan, należy użyć MSOLAP_NODE_SHORT_CAPTION.

• NAZWA_WĘZŁA
  Nazwa węzła.

  Kolumna ta zawiera taką samą wartość jak NODE_UNIQUE_NAME.

  Aby uzyskać więcej informacji dotyczących konwencji nazewnictwa węzła, zobacz przy użyciu nazwy węzłów i identyfikatory.

• NODE_UNIQUE_NAME
  Unikatowa nazwa węzła.Zgodnie z Konwencją, który dostarcza informacji na temat relacji między węzłami są przypisywane unikatowe nazwy.Aby uzyskać więcej informacji dotyczących konwencji nazewnictwa węzła, zobacz przy użyciu nazwy węzłów i identyfikatory.

• NODE_TYPE
  Model Naive Bayes wyświetla następujące typy węzłów:

  Identyfikator typu węzła	Opis
  26 (NaiveBayesMarginalStatNode)	Zawiera statystykę opisującą całego zestaw przypadków szkolenia dla modelu.
  9 (Atrybut przewidywalne)	Zawiera nazwę przewidywalne atrybut.
  10 (Atrybut danych wejściowych)	Zawiera nazwy kolumna atrybut wejściowy i węzły podrzędność, która zawiera wartości dla atrybutu.
  11 (Stan atrybut input)	Zawiera wartości lub discretized wartości wszystkich atrybut wejściowych, które zostały skojarzone z atrybut określonego wyjścia.

• NODE_CAPTION
  Etykieta lub podpis skojarzonego z tym węzłem.Ta właściwość jest głównie w celach wyświetlania.

  Główny modelpusty

  Statystyki marginalny pusty

  Przewidywalne atrybutnazwę atrybut przewidywalne.

  Atrybut wejściowynazwę atrybutu przewidywalny i bieżącego wprowadzania atrybutu.Ex:

  Roweru kupującego -> wieku

  Wejściowy stanie atrybutnazwę atrybut przewidywalny i bieżącego atrybut wprowadzania plus wartość danych wejściowych.Ex:

  Roweru kupującego -> wieku = Brak

• CHILDREN_CARDINALITY
  Liczba dzieci, które ma węzła.

  Główny modelliczba przewidywalne atrybutów w modelu plus 1 dla węzła marginalny statystyki.

  Statystyki marginalny z definicji nie ma elementów podrzędnych.

  Przewidywalne atrybut liczba atrybut wejściowe związane bieżącego atrybut przewidywalne.

  Atrybut wejściowyliczba discrete lub discretized wartości dla bieżącego wprowadzania atrybutu.

  Wejściowy stanie atrybutzawsze 0.

• PARENT_UNIQUE_NAME
  Unikatowa nazwa węzła nadrzędnego.Aby uzyskać więcej informacji dotyczących węzłów nadrzędnych i podrzędność, zobacz przy użyciu nazwy węzłów i identyfikatory.

• NODE_DESCRIPTION
  Taka sama jak podpis węzła.

• NODE_RULE
  Reprezentacja XML podpis węzła.

• MARGINAL_RULE
  Taki sam, jak reguły węzła.

• NODE_PROBABILITY
  Prawdopodobieństwo skojarzone z tym węzłem.

  Główny modelzawsze 0.

  Statystyki marginalny zawsze 0.

  Przewidywalne atrybut zawsze 1.

  Atrybut wejściowyzawsze 1.

  Wejściowy stanie atrybutliczbę dziesiętną, która reprezentuje prawdopodobieństwo bieżącej wartości.Wartości dla wszystkich Państw atrybut wejściowy pod suma nadrzędnego atrybut wejściowy węzła 1.

• MARGINAL_PROBABILITY
  Taka sama jak prawdopodobieństwa węzła.

• NODE_DISTRIBUTION
  Tabela, która zawiera histogram prawdopodobieństwa dla węzła.Aby uzyskać więcej informacji, zobacz NODE_DISTRIBUTION tabeli.

• NODE_SUPPORT
  Liczba przypadków, które obsługują ten węzeł.

  Główny modelliczba wszystkich przypadków, w dane szkolenia.

  Statystyki marginalny zawsze 0.

  Przewidywalne atrybut liczba wszystkich przypadków, w dane szkolenia.

  Atrybut wejściowyliczba wszystkich przypadków, w dane szkolenia.

  Wejściowy stanie atrybutliczba przypadków w dane szkolenia, które zawierają tylko wartość określonego.

• MSOLAP_MODEL_COLUMN
  Etykieta używana do wyświetlania.Zwykle taka sama, jak ATTRIBUTE_NAME.

• MSOLAP_NODE_SCORE
  Reprezentuje znaczenie atrybut lub wartość w ramach modelu.

  Główny modelzawsze 0.

  Statystyki marginalny zawsze 0.

  Przewidywalne atrybut zawsze 0.

  Atrybut wejściowyInterestingness wynik dla bieżącego atrybutu wejściowych w stosunku do bieżącego atrybutu przewidywalne.

  Wejściowy stanie atrybutzawsze 0.

• MSOLAP_NODE_SHORT_CAPTION
  Ciąg tekstowy reprezentujący nazwę lub wartość kolumna.

  Główny modelpusty

  Statystyki marginalny pusty

  Przewidywalne atrybutnazwę atrybut przewidywalne.

  Atrybut wejściowynazwę atrybutu wejściowego.

  Wejściowy stanie atrybutwartości lub discretized wartości wejściowej atrybut.

Przy użyciu nazwy węzłów i identyfikatory

Nazw węzłów w modelu Naive Bayes zawiera dodatkowe informacje dotyczące typu węzeł, aby łatwiej zrozumieć relacje między informacji w modelu.W poniższej tabela przedstawiono Konwencji dla identyfikatorów, które są przypisane do różnych typów węzłów.

Identyfikatory umożliwia dotyczą przewidywalne atrybut wejściowy atrybuty i Państwa.Na przykład, poniższa kwerenda zwraca nazwy i podpisy dla węzłów, reprezentujące możliwe kombinacje wejściowych i przewidywalny atrybutów dla modelu, TM_NaiveBayes.

SELECT NODE_NAME, NODE_CAPTION
FROM TM_NaiveBayes.CONTENT
WHERE NODE_TYPE = 10

Oczekiwane wyniki:

Następnie można pobrać węzłów podrzędność identyfikatorów węzłów nadrzędnych.Następująca kwerenda pobiera węzłów, które zawierają wartości dla Marital Status atrybut, wraz z prawdopodobieństwem każdego węzła.

SELECT NODE_NAME, NODE_CAPTION, NODE_PROBABILITY
FROM TM_NaiveBayes.CONTENT
WHERE NODE_TYPE = 11
AND [PARENT_UNIQUE_NAME] = '20000000000000009'

Oczekiwane wyniki:

Tabela NODE_DISTRIBUTION

kolumna tabela zagnieżdżonej, NODE_DISTRIBUTION, zazwyczaj zawiera informacje statystyczne dotyczące dystrybucji wartości w węźle.W modelu Naive Bayes tej tabela jest wypełniane tylko dla następujących węzłów:

Pobrać wzrost poziomu szczegółowości można używać identyfikatorów węzłów lub węzeł podpisów.Na przykład, poniższa kwerenda pobiera określonych kolumn z tabela NODE_DISTRIBUTION dla wejściowych tylko tych węzłów atrybut powiązanych wartości, 'Marital Status = S'.

SELECT FLATTENED NODE_CAPTION,
(SELECT ATTRIBUTE_NAME, ATTRIBUTE_VALUE, [SUPPORT], [PROBABILITY], VALUETYPE
FROM NODE_DISTRIBUTION) as t
FROM TM_NaiveBayes.content
WHERE NODE_TYPE = 11
AND NODE_CAPTION = 'Bike Buyer -> Marital Status = S'

Oczekiwane wyniki:

W wyniki te wartości kolumna obsługi informuje zliczania z określonego stanu cywilnego klienci, którzy zakupili rowerów.Kolumna prawdopodobieństwa zawiera prawdopodobieństwo każda wartość atrybut obliczonej dla tylko tego węzła.Ogólne definicje terminów użytych w tabela NODE_DISTRIBUTION, zobacz Górnictwo modelu zawartości (Analysis Services - wyszukiwania danych).

Informacje w marginalnym węzeł Statystyka

Zobacz także

Koncepcje

Inne zasoby