Algoritmus Microsoft Naive Bayes

Platí pro: SQL Server 2019 a starší služby Analysis Services Azure Analysis Services Fabric/ Power BI Premium

Důležité

Dolování dat bylo v SQL Serveru 2017 Analysis Services zastaralé a nyní ukončeno ve službě SQL Server 2022 Analysis Services. Dokumentace se neaktualizuje pro zastaralé a ukončené funkce. Další informace najdete v tématu Zpětná kompatibilita služby Analysis Services.

Algoritmus Microsoft Naive Bayes je klasifikační algoritmus založený na bayesových teorémech a lze ho použít pro průzkumné i prediktivní modelování. Slovo naïve v názvu Naïve Bayes vychází ze skutečnosti, že algoritmus používá Bayesovské techniky, ale nebere v úvahu závislosti, které mohou existovat.

Tento algoritmus je méně výpočetně náročný než jiné algoritmy Microsoftu, a proto je užitečný pro rychlé generování modelů dolování ke zjišťování vztahů mezi vstupními sloupci a předvídatelnými sloupci. Tento algoritmus můžete použít k počátečnímu zkoumání dat a později můžete výsledky použít k vytvoření dalších modelů dolování s dalšími algoritmy, které jsou výpočetněji a přesnější.

Example

Jako průběžná propagační strategie se marketingové oddělení společnosti Adventure Works Cycle rozhodlo cílit na potenciální zákazníky odesláním letáků. Aby snížili náklady, chtějí posílat letáky jenom těm zákazníkům, kteří budou pravděpodobně reagovat. Společnost ukládá informace do databáze o demografických údajích a odpovědích na předchozí korespondenci. Chtějí tato data použít k tomu, aby viděli, jak demografické údaje, jako je věk a poloha, můžou pomoct předpovědět odpověď na propagační akci porovnáním potenciálních zákazníků se zákazníky, kteří mají podobné charakteristiky a kteří si koupili od společnosti v minulosti. Konkrétně chtějí vidět rozdíly mezi zákazníky, kteří si koupili jízdní kolo, a zákazníky, kteří ne.

Pomocí algoritmu Microsoft Naive Bayes může marketingové oddělení rychle předpovědět výsledek pro konkrétní profil zákazníka, a proto může určit, kteří zákazníci budou pravděpodobně reagovat na letáky. Pomocí prohlížeče Microsoft Naive Bayes v SQL Server Data Tools mohou také vizuálně prozkoumat, které vstupní sloupce přispívají k pozitivním odpovědím na letáky.

Jak funguje algoritmus

Algoritmus Microsoft Naive Bayes vypočítá pravděpodobnost každého stavu každého vstupního sloupce vzhledem ke každému možnému stavu předvídatelného sloupce.

Abyste pochopili, jak to funguje, můžete pomocí prohlížeče Microsoft Naive Bayes v nástrojích SQL Server Data Tools (jak je znázorněno na následujícím obrázku) vizuálně prozkoumat, jak algoritmus distribuuje stavy.

Microsoft Naive Bayes Viewer tady uvádí každý vstupní sloupec v datové sadě a ukazuje, jak jsou stavy jednotlivých sloupců distribuovány vzhledem ke každému stavu předvídatelného sloupce.

Toto zobrazení modelu byste použili k identifikaci vstupních sloupců, které jsou důležité pro rozdíly mezi stavy předvídatelného sloupce.

Například v řádku pro vzdálenost dojíždění je zde viditelné, že rozdělení vstupních hodnot se liší pro kupující a nekupující. To vám říká, že vstup, dojezdová vzdálenost od 0 do 1 míle, je potenciální prediktor.

Prohlížeč také poskytuje hodnoty pro rozdělení, takže můžete vidět, že pro zákazníky, kteří dojíždí z jednoho do dvou mil do práce, pravděpodobnost, že si koupí kolo, je 0,387 a pravděpodobnost, že si nenakoupí kolo, je 0,287. V tomto příkladu algoritmus používá číselné informace odvozené z charakteristik zákazníka (například vzdálenost dojíždět) k předpovídání, jestli si zákazník koupí kolo.

Další informace o používání prohlížeče Microsoft Naive Bayes Viewer naleznete v tématu Procházení modelu pomocí prohlížeče Microsoft Naive Bayes Viewer.

Data požadovaná pro modely Naive Bayes

Při přípravě dat pro použití při trénování modelu Naive Bayes byste měli porozumět požadavkům algoritmu, včetně toho, kolik dat je potřeba a jak se data používají.

Požadavky modelu Naive Bayes jsou následující:

• Sloupec s jedním klíčem Každý model musí obsahovat jeden číselný nebo textový sloupec, který jednoznačně identifikuje každý záznam. Složené klíče nejsou povolené.

• Vstupní sloupce V modelu Naive Bayes musí být všechny sloupce buď diskrétní, nebo hodnoty musí být seskupené do intervalů. Informace o tom, jak diskretizovat (bin) sloupce, naleznete v tématu Discretization Methods (Data Mining).

• Proměnné musí být nezávislé. Pro model Naive Bayes je také důležité zajistit, aby vstupní atributy byly nezávislé na sobě. To je zvlášť důležité, když použijete model pro predikci. Pokud použijete dva sloupce dat, které už spolu úzce souvisejí, bude výsledkem násobení vlivu těchto sloupců, což může překrývat další faktory, které ovlivňují výsledek.

  Naopak schopnost algoritmu identifikovat korelace mezi proměnnými je užitečná při zkoumání modelu nebo datové sady k identifikaci vztahů mezi vstupy.

• Nejméně jeden předvídatelný sloupec Předvídatelný atribut musí obsahovat diskrétní nebo diskretizované hodnoty.

  Hodnoty předvídatelného sloupce lze považovat za vstupy. Tento postup může být užitečný při zkoumání nové datové sady k vyhledání vztahů mezi sloupci.

Zobrazení modelu

K prozkoumání modelu můžete použít Prohlížeč Microsoft Naive Bayes. Prohlížeč ukazuje, jak vstupní atributy souvisejí s předvídatelným atributem. Prohlížeč také poskytuje podrobný profil každého clusteru, seznam atributů, které odlišují jednotlivé clustery od ostatních, a charakteristiky celé trénovací sady dat. Další informace naleznete v tématu Procházení modelu pomocí prohlížeče Microsoft Naive Bayes.

Pokud chcete získat další podrobnosti, můžete model procházet v prohlížeči Microsoft Generic Content Tree Viewer (Dolování dat). Další informace o typu informací uložených v modelu naleznete v tématu Obsah modelu dolování pro modely Naive Bayes (Analysis Services - Data Mining).

Vytváření předpovědí

Po vytrénování modelu se výsledky uloží jako sada vzorů, které můžete prozkoumat nebo použít k předpovědím.

Můžete vytvářet dotazy pro vrácení předpovědí o tom, jak nová data souvisejí s předvídatelným atributem, nebo můžete načíst statistiky popisujících korelace nalezené modelem.

Informace o tom, jak vytvářet dotazy na model dolování dat, naleznete v tématu Dotazy dolování dat. Příklady použití dotazů s modelem Naive Bayes najdete v tématu Příklady dotazů modelu Naive Bayes.

Poznámky

• Podporuje použití jazyka PMML (Predictive Model Markup Language) k vytváření dolování modelů.

• Podporuje podrobnou analýzu.

• Nepodporuje vytváření dimenzí dolování dat.

• Podporuje použití dolování modelů OLAP.

Viz také

Algoritmy dolování dat (Analysis Services – Dolování dat)
Výběr funkcí (dolování dat)
Příklady dotazů modelu Naive Bayes
Obsah modelu dolování pro modely Naive Bayes (Analysis Services – Dolování dat)
Technické reference k algoritmu Microsoft Naive Bayes