TechNet
내보내기(0) 인쇄
모두 확장

Microsoft 신경망 알고리즘

 

적용 대상: SQL Server 2016

Microsoft 신경망 알고리즘은 기계 학습을 위해 널리 사용 되 고 융통성 있는 신경망 아키텍처의 구현입니다. 알고리즘은 예측 가능한 특성의 가능한 각 상태에 대 한 입력된 특성의 가능한 각 상태를 테스트 한 학습 데이터를 기반으로 하는 각 조합에 대 한 확률을 계산 하 여 작동 합니다. 일부 입력된 특성에 따라 결과를 예측할 분류 또는 회귀를 모두 작업에 대 한 이러한 확률을 사용할 수 있습니다. 신경망은 연결 분석에 대 한 데도 사용할 수 있습니다.

사용 하 여 마이닝 모델을 만들 때의 Microsoft 신경망 알고리즘을 여러 출력을 포함할 수 있으며 알고리즘은 여러 네트워크를 만듭니다. 단일 마이닝 모델에 포함 된 네트워크의 수가 포함 된 마이닝 모델을 사용 하는 예측 가능한 열 수 및 해당 열에 상태 수가 입력된 열에 있는 상태 (또는 특성 값)의 수에 따라 달라 집니다.

Microsoft 신경망 알고리즘은 제조 또는 상업 프로세스와 같은 프로세스에서 사용되는 복잡한 입력 데이터를 분석하거나 상당한 양의 학습 데이터가 있지만 다른 알고리즘으로 쉽게 규칙을 이끌어 낼 수 없는 비즈니스 문제를 분석하는 데 유용합니다.

다음과 같은 시나리오에서 Microsoft 신경망 알고리즘을 사용할 수 있습니다.

  • 메일 행사나 라디오 광고 캠페인의 성공 정도 측정과 같은 마케팅 및 홍보 행사 분석

  • 주식 이동, 통화 변동 또는 유동성이 재무 정보를 기록 데이터를 예측합니다.

  • 제조 및 공업 프로세스 분석

  • 텍스트 마이닝

  • 많은 입력과 비교적 적은 출력 간의 복잡 한 관계를 분석 하는 모든 예측 모델

Microsoft 신경망 알고리즘은 노드의 최대 3 개의 계층으로 구성 하는 네트워크를 만듭니다 (라고도 신경). 이러한 계층은는 입력된 계층, 숨겨진된 계층, 및 출력 계층합니다.

입력된 계층: 입력 노드 데이터 마이닝 모델 및 해당 확률에 대 한 모든 입력된 특성 값을 정의 합니다.

숨겨진 계층: 숨겨진 입력된 노드에서 입력을 받을 노드와 노드를 출력 하는 출력을 제공 합니다. 숨겨진 뉴런은 입력의 다양한 확률에 가중치가 할당되는 위치입니다. 가중치는 관련성 또는 숨겨진 노드에 대 한 특정 입력의 중요도 설명합니다. 입력에 할당된 가중치가 클수록 해당 입력 값의 중요도도 큽니다. 가중치는 음수가 될 수 있으며 이 경우 입력이 특정 결과를 지지하는 것이 아니라 제한할 수 있음을 의미합니다.

출력 계층: 출력 노드는 데이터 마이닝 모델에 대 한 예측 가능한 특성 값을 나타냅니다.

입력, 숨김, 및 출력 계층은 생성 하 고 점수를 매긴 하는 방법의 대 한 자세한 내용은 참조 하십시오. Microsoft 신경망 네트워크 알고리즘 기술 참조합니다.

신경망 모델은 하나의 키 열, 하나 이상의 입력 열, 하나 이상의 예측 가능한 열을 포함해야 합니다.

Microsoft 신경망 알고리즘을 사용하는 데이터 마이닝 모델은 알고리즘에 사용 가능한 매개 변수에 대해 사용자가 지정한 값의 영향을 크게 받습니다. 이러한 매개 변수는 데이터가 샘플링되는 방식, 데이터가 각 열에 배포되거나 배포될 것으로 예상되는 방식 및 기능 선택이 실행되어 최종 모델에 사용되는 값을 제한하는 시기를 정의합니다.

모델의 동작을 사용자 지정 하려면 매개 변수를 설정 하는 방법에 대 한 자세한 내용은 참조 Microsoft 신경망 네트워크 알고리즘 기술 참조합니다.

데이터를 사용하고 모델이 입력과 출력 간의 상관 관계를 찾아내는 방식을 보려면 Microsoft 신경망 뷰어를 사용합니다. 이 사용자 지정 뷰어를 사용하면 입력 특성과 해당 값을 필터링하고 이러한 항목이 출력에 주는 영향을 보여 주는 그래프를 볼 수 있습니다. 뷰어의 도구 설명 확률 및 리프트가 관련 된 각각의 입력 및 출력 값 쌍을 보여 줍니다. 자세한 내용은 참조 는 Microsoft 신경망 뷰어를 사용 하 여 모델 찾아보기합니다.

모델의 구조를 탐색하는 가장 쉬운 방법은 Microsoft 일반 콘텐츠 트리 뷰어를 사용하는 것입니다. 모델에서 만든 입력, 출력 및 네트워크를 볼 수 있을 뿐 아니라, 노드를 클릭하여 확장한 다음 입력 계층, 출력 계층 또는 숨겨진 계층 노드와 관련된 통계를 볼 수 있습니다. 자세한 내용은 참조 Microsoft 일반 콘텐츠 트리 뷰어를 사용 하 여 모델 찾아보기합니다.

모델이 처리된 후에는 네트워크와 각 노드 내에 저장된 가중치를 사용하여 예측을 만들 수 있습니다. 신경망 모델에서는 회귀, 연결 및 분류 분석을 지원하므로 각 예측의 의미가 다를 수 있습니다. 모델 자체를 쿼리하여 발견된 상관 관계를 검토하고 관련 통계를 찾을 수도 있습니다. 신경망 모델에 대해 쿼리를 만드는 방법의 예 참조 신경망 네트워크 모델 쿼리 예제합니다.

데이터 마이닝 모델에 쿼리를 작성 하는 방법에 대 한 일반 정보를 참조 하십시오. 데이터 마이닝 쿼리합니다.

  • 드릴스루 또는 데이터 마이닝 차원은 지원하지 않습니다. 이는 마이닝 모델의 노드 구조가 기본 데이터와 반드시 일치하지는 않기 때문입니다.

  • PMML(Predictive Model Markup Language) 형식의 모델 생성은 지원하지 않습니다.

  • OLAP 마이닝 모델의 사용을 지원합니다.

  • 데이터 마이닝 차원의 생성은 지원하지 않습니다.

Microsoft 신경망 알고리즘 기술 참조
신경망 모델 및 #40;에 대 한 마이닝 모델 콘텐츠 Analysis Services-데이터 마이닝 및 #41;
신경망 모델 쿼리 예제
Microsoft 로지스틱 회귀 알고리즘

커뮤니티 추가 항목

추가
표시:
© 2016 Microsoft