Miningmodellinhalt von Naive Bayes-Modellen (Analysis Services – Data Mining)

Grundlegendes zur Struktur von Naive Bayes-Modellen

Ein Naive Bayes-Modell verfügt über einen einzigen übergeordneten Knoten, der das Modell und seine Metadaten darstellt. Unterhalb eines jeden übergeordneten Knotens befinden sich die unabhängigen Strukturen, die die von Ihnen ausgewählten vorhersagbaren Attribute darstellen. Zusätzlich zu den Strukturen für die Attribute enthält jedes Modell einen Knoten für Randstatistik (NODE_TYPE = 26), der beschreibende Statistiken über die Sätze der Trainingsfälle bietet. Weitere Informationen finden Sie unter Informationen im Knoten für Randstatistik.

Für jedes vorhersagbare Attribut und jeden Wert gibt das Modell eine Struktur aus, die beschreibende Informationen darüber enthält, welche Auswirkungen die verschiedenen Eingabespalten auf das Ergebnis des entsprechenden vorhersagbaren Attributs haben. Jede Struktur enthält das vorhersagbare Attribut und seinen Wert (NODE_TYPE = 9) und weiterhin eine Reihe von Knoten, die die Eingabeattribute (NODE_TYPE = 10) darstellen. Da die Eingabeattribute in der Regel über mehrere Werte verfügen, kann jedes Eingabeattribut (NODE_TYPE = 10) mehrere untergeordnete Knoten (NODE_TYPE = 11) besitzen; jeweils einen für einen bestimmten Status des Attributs.

Hinweis
Da ein Naive Bayes-Modell keine kontinuierlichen Datentypen zulässt, werden alle Werte der Eingabespalten diskret oder diskretisiert behandelt. Sie können festlegen, wie ein Wert diskretisiert wird. Weitere Informationen finden Sie unter Vorgehensweise: Ändern der Diskretisierung von Spalten in Miningmodellen.

Modellinhalt eines Naive Bayes-Modells

In diesem Abschnitt werden nur diejenigen Spalten des Miningmodellinhalts detaillierter und anhand von Beispielen erläutert, die für Naive Bayes-Modelle relevant sind.

Informationen zu den allgemeinen Spalten im Schemarowset, z. B. MODEL_CATALOG und MODEL_NAME, die hier nicht beschrieben werden, sowie weitere Erläuterungen zur Miningmodell-Terminologie finden Sie unter Miningmodellinhalt (Analysis Services - Data Mining).

• MODEL_CATALOG
  Name der Datenbank, in der das Modell gespeichert wird.

• MODEL_NAME
  Name des Modells.

• ATTRIBUTE_NAME
  Die Namen der Attribute, die diesem Knoten entsprechen.

  Modellstamm Der Name des vorhersagbaren Attributs.

  Randstatistik Nicht anwendbar

  Vorhersagbares Attribut Name des vorhersagbaren Attributs.

  Eingabeattribut  Name des Eingabeattributs.

  Eingabeattributstatus Nur der Name des Eingabeattributs. Um den Status abzufragen, verwenden Sie MSOLAP_NODE_SHORT_CAPTION.

• NODE_NAME
  Der Name des Knotens.

  Diese Spalte enthält den gleichen Wert wie NODE_UNIQUE_NAME.

  Weitere Informationen über die Benennungskonventionen für Knoten finden Sie unter Verwenden von Knotennamen und IDs.

• NODE_UNIQUE_NAME
  Der eindeutige Name des Knotens. Die eindeutigen Namen werden gemäß einer Konvention zugewiesen, die Informationen über die Beziehungen zwischen den Knoten bietet. Weitere Informationen über die Benennungskonventionen für Knoten finden Sie unter Verwenden von Knotennamen und IDs.

• NODE_TYPE
  Ein Naive Bayes-Modell gibt die folgenden Knotentypen aus:

  Knotentyp-ID	Beschreibung
  26 (NaiveBayesMarginalStatNode)	Enthält Statistiken, die den ganzen Satz von Trainingsfällen für das Modell beschreiben.
  9 (vorhersagbares Attribut)	Enthält den Namen des vorhersagbaren Attributs.
  10 (Eingabeattribut)	Enthält den Namen der Eingabeattributspalte und untergeordnete Knoten, die die Werte für das Attribut enthalten.
  11 (Eingabeattributstatus)	Enthält die Werte oder diskretisierten Werte aller Eingabeattribute, die einem bestimmten Ausgabeattribut zugewiesen wurden.

• NODE_CAPTION
  Die Bezeichnung oder Beschriftung, die dem Knoten zugeordnet ist. Diese Eigenschaft dient hauptsächlich zu Anzeigezwecken.

  Modellstamm   leer

Randstatistik leer

**Vorhersagbares Attribut** Name des vorhersagbaren Attributs.

**Eingabeattribut**   Der Name des vorhersagbaren Attributs und des aktuellen Eingabeattributs. Beispiel:

Bike Buyer -\> Age

**Eingabeattributstatus**   Der Name des vorhersagbaren Attributs und des aktuellen Eingabeattributs und der Wert der Eingabe. Beispiel:

Bike Buyer -\> Age = Missing

• CHILDREN_CARDINALITY
  Die Anzahl der untergeordneten Elemente des Knotens.

  Modellstamm   Anzahl der vorhersagbaren Attribute im Modell plus 1 für den Knoten für Randstatistik.

Randstatistik Hat definitionsgemäß keine untergeordneten Elemente.

Vorhersagbares Attribut Anzahl der Eingabeattribute, die dem aktuellen vorhersagbaren Attribut zugewiesen wurden.

**Eingabeattribut**   Anzahl der diskreten oder diskretisierten Werte für das aktuellen Eingabeattribut.

**Eingabeattributstatus**   Immer 0.

• PARENT_UNIQUE_NAME
  Der eindeutige Name des übergeordneten Knotens. Weitere Informationen über die Zuordnung von über- und untergeordneten Knoten finden Sie unter Verwenden von Knotennamen und IDs.

• NODE_DESCRIPTION
  Entspricht der Knotenbeschriftung.

• NODE_RULE
  Eine XML-Darstellung der Knotenbeschriftung.

• MARGINAL_RULE
  Entspricht der Knotenregel.

• NODE_PROBABILITY
  Die diesem Knoten zugeordnete Wahrscheinlichkeit.

  Modellstamm   Immer 0.

Randstatistik Immer 0.

Vorhersagbares Attribut Immer 1.

**Eingabeattribut**   Immer 1.

**Eingabeattributstatus**   Eine Dezimalzahl, die die Wahrscheinlichkeit des aktuellen Werts darstellt. Die Werte für alle Eingabeattributstatus unter dem übergeordneten Eingabeattributknoten ergeben die Summe 1.

• MARGINAL_PROBABILITY
  Entspricht der Knotenwahrscheinlichkeit.

• NODE_DISTRIBUTION
  Eine Tabelle, die das Wahrscheinlichkeitshistogramm für den Knoten enthält. Weitere Informationen finden Sie unter NODE_DISTRIBUTION-Tabelle.

• NODE_SUPPORT
  Die Anzahl der Fälle, die diesen Knoten unterstützen.

  Modellstamm    Anzahl aller Fälle in den Trainingsdaten.

Randstatistik Immer 0.

Vorhersagbares Attribut Anzahl aller Fälle in den Trainingsdaten.

**Eingabeattribut**   Anzahl aller Fälle in den Trainingsdaten.

**Eingabeattributstatus**   Anzahl aller Fälle in den Trainingsdaten, die nur diesen bestimmten Wert enthalten.

• MSOLAP_MODEL_COLUMN
  Eine zu Anzeigezwecken verwendete Beschriftung. Normalerweise identisch mit ATTRIBUTE_NAME.

• MSOLAP_NODE_SCORE
  Stellt die Wichtigkeit des Attributs oder Werts innerhalb des Modells dar.

  Modellstamm   Immer 0.

Randstatistik Immer 0.

Vorhersagbares Attribut Immer 0.

**Eingabeattribut**   Interessantheitsgrad für das aktuelle Eingabeattribut relativ zum aktuellen vorhersagbaren Attribut.

**Eingabeattributstatus**   Immer 0.

• MSOLAP_NODE_SHORT_CAPTION
  Eine Textzeichenfolge, die den Namen oder den Wert einer Spalte darstellt.

  Modellstamm   Leer

Randstatistik Leer

Vorhersagbares Attribut Name des vorhersagbaren Attributs.

**Eingabeattribut**  Name des Eingabeattributs.

**Eingabeattributstatus**   Der Wert oder diskretisierte Wert des Eingabeattributs.

Verwenden von Knotennamen und IDs

Die Benennung der Knoten in einem Naive Bayes-Modell bietet zusätzliche Informationen über den Knotentyp. So werden die Beziehungen zwischen den Informationen im Modell deutlicher. In der folgenden Tabelle wird die Konvention für die IDs dargestellt, die anderen Knotentypen zugewiesen werden.

Sie können die IDs verwenden, um Eingabeattribute und -status mit einem vorhersagbaren Attribut zu verknüpfen. Beispielsweise gibt die folgende Abfrage den Namen und die Beschriftungen für die Knoten aus, die die möglichen Kombinationen aus Eingabe und vorhersagbaren Attributen für das Modell TM_NaiveBayes darstellen.

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

Erwartete Ergebnisse:

Sie können die IDs der übergeordneten Knoten verwenden, um die untergeordneten Knoten abzurufen. Die folgende Abfrage ruft die Knoten ab, die Werte für das Marital Status-Attribut und die Wahrscheinlichkeit eines jeden Knotens enthalten.

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

Hinweis
Beachten Sie, dass der Name der Spalte PARENT_UNIQUE_NAME in Klammern eingeschlossen werden muss, um ihn von dem reservierten Schlüsselwort mit demselben Namen zu unterscheiden.

Erwartete Ergebnisse:

NODE_DISTRIBUTION-Tabelle

Die verschachtelte Tabellenspalte NODE_DISTRIBUTION enthält in der Regel Statistiken über die Verteilung der Werte im Knoten. In einem Naive Bayes-Modell wird diese Tabelle nur für die folgenden Knoten aufgefüllt:

Sie können die Knoten-IDs oder Knotenbeschriftungen verwenden, um mehr Detailebenen abzurufen. Beispielsweise ruft die folgende Abfrage spezifische Spalten aus der NODE_DISTRIBUTION-Tabelle nur für die Eingabeattributknoten ab, die mit dem Wert 'Marital Status = S' in Beziehung stehen.

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'

Erwartete Ergebnisse:

Bei diesen Ergebnissen gibt der Wert der SUPPORT-Spalte Aufschluss über die Anzahl der Kunden mit dem festgelegten Familienstand, die ein Fahrrad gekauft haben. Die Spalte PROBABILITY enthält die ausschließlich für diesen Knoten berechnete Wahrscheinlichkeit eines jeden Attributwerts. Allgemeine Definitionen von Begriffen, die in der NODE_DISTRIBUTION-Tabelle verwendet werden, finden Sie unter Miningmodellinhalt (Analysis Services - Data Mining).

Informationen im Knoten für Randstatistik

Siehe auch

Konzepte

Andere Ressourcen