• Artykuł

Eksplorowanie Naive Model Bayes (podstawowe samouczek wyszukiwania danych)

Microsoft Naive Bayes algorytm oferuje kilka metod wyświetlania interakcji między bike kupowania i wprowadzania atrybutów.

Microsoft Naive Bayes Viewer zawiera następujące karty do użycia w poznawanie modeli wyszukiwania Naive Bayes:

Dependency Network

Attribute Profiles

Attribute Characteristics

Attribute Discrimination

W poniższych sekcjach opisano sposób eksplorować innych modeli wyszukiwania.

Zależność sieci

Sieci zależność karta działa w taki sam sposób jak Sieci zależność kartę dla Microsoft drzewa Viewer.Każdy węzeł w podglądzie reprezentuje atrybut i linie między węzłami reprezentują relacje.W podglądzie widać wszystkie atrybuty, które mają wpływ na stan atrybut przewidywalne Bike Buyer.

Aby poznać model w karcie sieciowej zależność

  1. Użyj Górnictwa modelu listy u góry Górnictwa Viewer modelu tab, aby przełączyć się do TM_NaiveBayes modelu.

  2. Użyj Viewer listy, aby przełączyć się do Podgląd programu Microsoft Naive Bayes.

  3. Kliknij Kupujący Bike węzeł zidentyfikować jego zależności.

    Cieniowanie różowy wskazuje, że wszystkie atrybuty mają wpływ na zakup rowerów.

  4. Przesuń suwak, aby zidentyfikować najbardziej wpływowym atrybut.

    Obniżenie suwak tylko te atrybuty, które mają największy wpływ [Bike Buyer] kolumna pozostają.Dopasowując suwak, można wykryć, że niektóre z najbardziej wpływowym atrybuty są: liczba samochodów własność, wrócić odległości i całkowita liczba dzieci.

Powrót do początku

Atrybut profile

Profile atrybut kartę opisuje jak różne Państwa wprowadzania atrybuty wpływają na wynik przewidywalne atrybut.

Aby poznać model w kartę Profile atrybutu

  1. W przewidywalne upewnij się, że Kupujący Bike jest zaznaczone.

  2. Jeśli Górnictwa legendy blokuje wyświetlanie Profile atrybutu, przenieść go na bok.

  3. W Histogram paski wybierz pozycję 5.

    W naszym modelu 5 jest maksymalna liczba Państw dla dowolnej zmiennej jednego.

    Atrybuty, które mają wpływ na stan tego atrybut przewidywalne są wyświetlane razem z wartościami każdego Państwa w wejściowy atrybut i ich dystrybucji w każdym Państwie przewidywalne atrybut.

  4. W atrybuty kolumna, Znajdź Liczba samochodów własnością.Zauważalne różnice w histogramy dla kupujących rowerów (kolumny oznaczony 1) i innych niż kupujących (kolumna etykietą 0).Osoba z zero lub jeden samochód jest znacznie bardziej prawdopodobne kupić rower.

  5. Kliknij dwukrotnie Liczba samochodów własnością komórka kupujący bike kolumna (kolumna etykietą 1).

    Górnictwa legendy Wyświetla bardziej szczegółowy widok.

Powrót do początku

Właściwości atrybutu

Z Właściwości atrybutu karcie można wybrać atrybut i wartość, aby zobaczyć, jak często pojawiają się wartości innych atrybutów w przypadkach wybraną wartość.

Aby poznać model w karcie charakterystyki atrybutu

  1. W atrybutu list, sprawdź, czy Kupujący Bike jest zaznaczone.

  2. Set the Value to 1.

    W przeglądarce zostanie wyświetlony klientów, którzy nie mają elementów podrzędnych w domu, krótkie commutes i live w Ameryce Północnej region są bardziej prawdopodobne kupić rower.

Powrót do początku

Atrybut dyskryminacji

Z Dyskryminacji atrybut karcie można zbadać relacje między dwie wartości discrete bike zakupów i innych wartości atrybut.Ponieważ TM_NaiveBayes model ma tylko dwa stany 1 i 0, nie trzeba wprowadzać żadnych zmian w podglądzie.

W podglądzie widać, osoby, które nie jest właścicielem samochodów zwykle Kup rowerów i osób z własnych samochodów dwóch zwykle nie kupują rowerów.