Untersuchen des Naive Bayes-Modells (Lernprogramm zu Data Mining-Grundlagen)

  • Artikel

 

Gilt für: SQL Server 2016 Preview

Die Microsoft Naive Bayes-Algorithmus bietet mehrere Methoden für die Interaktion zwischen dem fahrradkaufverhalten und den Eingabeattributen anzuzeigen.

Die Microsoft Naive Bayes-Viewer bietet die folgenden Registerkarten zum Durchsuchen von Naive Bayes-Miningmodellen:

Abhängigkeitsnetzwerk

Attributprofile

Attributmerkmale

Attributunterscheidung

Abhängigkeitsnetzwerk

Die Abhängigkeitsnetzwerk Registerkarte funktioniert auf die gleiche Weise wie die Abhängigkeitsnetzwerk auf der Registerkarte der Microsoft Struktur-Viewer. Jeder Knoten im Viewer steht für ein Attribut, und die Linien zwischen den Knoten stellen Beziehungen dar. In dem Viewer können Sie alle Attribute sehen, die sich auf den Status des vorhersagbaren Attributs Bike Buyer auswirken.

So untersuchen Sie das Modell auf der Registerkarte "Abhängigkeitsnetzwerk"

  1. Verwenden der Miningmodell Liste am oberen Rand der Miningmodell-Viewer Tab, um zum Wechseln der TM_NaiveBayes Modell.

  2. Verwenden der Viewer Liste aus Microsoft Naive Bayes-Viewer.

  3. Klicken Sie auf die Bike Buyer Knoten, um die zugehörigen Abhängigkeiten zu identifizieren.

    Die rosa Schattierung gibt an, dass alle Attribute Auswirkungen auf den Fahrradkauf haben.

  4. Stellen Sie den Schieberegler ein, um die einflussreichsten Attribute zu identifizieren.

    Wenn Sie den Schieberegler nach unten ziehen, werden nur noch diejenigen Attribute angezeigt, welche die stärksten Auswirkungen auf die [Bike Buyer]-Spalte haben. Durch Anpassen des Schiebereglers können Sie herausfinden, dass die einflussreichsten Attribute unter anderem folgende sind: Anzahl der Autos im Besitz, Arbeitsweg und Anzahl der Kinder insgesamt.

Zurück zum Anfang

Attributprofile

Die Attributprofile Registerkarte beschreibt, wie sich verschiedene Status der Eingabeattribute auf das Ergebnis des vorhersagbaren Attributs auswirken.

So untersuchen Sie das Modell auf der Registerkarte "Attributprofile"

  1. In der vorhersagbar Überprüfen Sie, ob Bike Buyer ausgewählt ist.

  2. Wenn die Mininglegende Anzeige blockiert das -Attribut Profile, aus dem Weg zu verschieben.

  3. In der Histogramm Wählen Sie im Balken 5.

    In unserem Modell stellt 5 die maximale Anzahl der Status einer Variablen dar.

    Die Attribute, die sich auf den Status des vorhersagbaren Attributs auswirken, werden zusammen mit den Werten für jeden Status der Eingabeattribute und deren Verteilungen in jedem Status des vorhersagbaren Attributs aufgelistet.

  4. In der Attribute Spalte suchen Number Cars Owned. Beachten Sie die Unterschiede in den Histogrammen für Kunden, die ein Fahrrad gekauft haben (Spalte 1) und Kunden, die keinen Kauf getätigt haben (Spalte 0). Personen, die kein oder ein Auto besitzen, kaufen mit größerer Wahrscheinlichkeit ein Fahrrad.

  5. Doppelklicken Sie auf die Number Cars Owned Zelle in der Bike Buyer-Spalte (Spalte mit der Bezeichnung 1).

    Die Mininglegende eine detailliertere Ansicht.

Zurück zum Anfang

Attributmerkmale

Mit der Attributmerkmale Registerkarte können Sie auswählen, ein Attribut und Wert, um festzustellen, wie oft Werte für andere Attribute in den ausgewählten Fällen auftreten.

So untersuchen Sie das Modell auf der Registerkarte "Attributmerkmale"

  1. In der Attribut ob Bike Buyer ausgewählt ist.

  2. Festlegen der Wert zu 1.

    Im Viewer sehen Sie, dass Kunden, die keine Kinder zu Hause und einen kurzen Arbeitsweg haben und in Nordamerika leben mit größerer Wahrscheinlichkeit ein Fahrrad kaufen.

Zurück zum Anfang

Attributunterscheidung

Mit der Attributunterscheidung Registerkarte können Sie die Beziehung zwischen zwei diskreten Werten für das fahrradkaufverhalten und anderen Attributwerten prüfen. Da die TM_NaiveBayes Modell hat nur zwei Status 1 und 0, müssen Sie nicht in der Ereignisanzeige ändern.

Im Viewer können Sie sehen, dass Personen, die keine Autos besitzen, tendenziell Fahrräder kaufen. Personen, die zwei Autos besitzen, kaufen tendenziell keine Fahrräder.

Verwandte Aufgaben

Die folgenden Themen enthalten Beschreibungen zu den anderen Miningmodellen.

Nächste Lektion

Lektion 5: Testen von Modellen ( Grundlegende Datamining-Lernprogramm )

Vorherige Aufgabe in der Lektion

Untersuchen des Clustering-Modells ( Grundlegende Datamining-Lernprogramm )

Siehe auch

Durchsuchen eines Modells mit dem Microsoft Naive Bayes-Viewer
Registerkarte "Attributunterscheidung" (Miningmodell-Viewer)
Registerkarte "Attributprofile" (Miningmodell-Viewer)
Registerkarte "Attributmerkmale" (Miningmodell-Viewer)
Registerkarte "Abhängigkeitsnetzwerk" (Miningmodell-Viewer)