Exploration du modèle Naive Bayes (Didacticiel sur l'exploration de données de base)
S’applique à : SQL Server 2016 Preview
Le Microsoft algorithme Naive Bayes fournit plusieurs méthodes pour l’affichage de l’interaction entre l’achat de vélos et les attributs d’entrée.
Le Microsoft Naive Bayes Viewer fournit les onglets suivants pour Explorer les modèles d’exploration de données Naive Bayes :
Réseau de dépendances
Profils d'attribut
Caractéristiques d'attribut
Discrimination d'attribut
Réseau de dépendances
Le réseau de dépendances onglet fonctionne de la même manière que le réseau de dépendances onglet pour la Microsoft visionneuse de l’arborescence. Chaque nœud dans la visionneuse représente un attribut et les lignes entre les nœuds représentent des relations. Dans la visionneuse, vous pouvez voir tous les attributs qui ont une incidence sur l'état de l'attribut prédictible Bike Buyer.
Pour explorer le modèle sous l'onglet Réseau de dépendances
Utilisez la modèle d’exploration de données liste en haut de la visionneuse de modèle d’exploration de données tab pour basculer vers le TM_NaiveBayes modèle.
Utilisez le visionneuse liste pour passer à Microsoft Naive Bayes visionneuse.
Cliquez sur le vélo nœud pour identifier ses dépendances.
L'ombrage rose indique que tous les attributs ont des répercussions sur l'achat de vélos.
Ajustez le curseur pour identifier l'attribut le plus influent.
Si vous faites glisser le curseur vers le bas, seuls les attributs qui ont la plus grande incidence sur la colonne [Bike Buyer] restent affichés. En ajustant le curseur, vous pouvez constater que les attributs les plus influents sont : le nombre de voitures possédées, la distance domicile-travail, et le nombre total d'enfants.
Retour au début
Profils d'attribut
Le profils d’attribut onglet décrit comment les différents États des attributs d’entrée affectent le résultat de l’attribut prévisible.
Pour explorer le modèle sous l'onglet Profils d'attribut
Dans la prédictible vérifiez que vélo est sélectionnée.
Si le légende d’exploration de données bloque l’affichage de la profils d’attribut, déplacez-le de.
Dans la histogramme zone barres, sélectionnez 5.
Dans notre modèle, 5 est le nombre maximal d'états pour toute variable.
Les attributs qui affectent l'état de cet attribut prédictible sont présentés avec les valeurs de chaque état des attributs d'entrée et avec leurs distributions dans chaque état de l'attribut prédictible.
Dans la attributs colonne, recherchez Number Cars Owned. Remarquez les différences dans les histogrammes pour les acheteurs de vélo (colonne intitulée 1) et les non-acheteurs (colonne intitulée 0). Une personne avec zéro ou une voiture est beaucoup plus susceptible d'acheter un vélo.
Double-cliquez sur le Number Cars Owned cellule de l’acheteur de vélo (colonne intitulée 1) de colonnes.
Le légende d’exploration de données affiche une vue plus détaillée.
Retour au début
Caractéristiques d'attribut
Avec le caractéristiques d’attribut onglet, vous pouvez sélectionner un attribut et une valeur pour voir la fréquence à laquelle les valeurs des autres attributs apparaissent dans les cas de valeurs sélectionnées.
Pour explorer le modèle sous l'onglet Caractéristiques d'attribut
Dans la attribut liste, vérifiez que vélo est sélectionnée.
Définir le valeur à 1.
Dans la visionneuse, vous constaterez que les clients qui n'ont pas d'enfants, font des trajets courts entre leur domicile et bureau, et habitent dans la région North America sont plus susceptibles d'acheter un vélo.
Retour au début
Discrimination d'attribut
Avec le Discrimination d’attribut onglet, vous pouvez examiner la relation entre deux valeurs discrètes de l’achat de vélo et d’autres valeurs d’attribut. Étant donné que la TM_NaiveBayes modèle a seulement deux États, 1 et 0, il est inutile d’apporter des modifications à l’Observateur.
Dans la visionneuse, vous constatez que les personnes qui ne sont pas propriétaires de voitures achètent généralement des vélos et que les personnes propriétaires de deux voitures n'en achètent généralement pas.
Tâches associées
Voir les rubriques qui suivent pour explorer les autres modèles d'exploration de données.
Leçon suivante
Leçon 5 : Test des modèles ( ; Didacticiel d’exploration de données de base de données ) ;
Tâche précédente de la leçon
Voir aussi
Explorer un modèle à l'aide de la visionneuse de l'algorithme MNB (Microsoft Naive Bayes)
Onglet Discrimination d’attribut (visionneuse de modèle d’exploration de données)
Onglet Profils d’attribut (visionneuse de modèle d’exploration de données)
Onglet Caractéristiques d’attribut (visionneuse de modèle d’exploration de données)
Onglet Réseau de dépendances (visionneuse de modèle d’exploration de données)