Ver un modelo de minería de datos con el Visor de redes neuronales de Microsoft
El Visor de redes neuronales de Microsoft en MicrosoftSQL ServerAnalysis Services muestra los modelos de minería de datos que se generan con el algoritmo de Red neuronal de Microsoft.El algoritmo de red neuronal de Microsoft crea modelos de minería de datos de regresión y de clasificación mediante la generación de una red de perceptrón multicapa de neuronas. Para obtener más información acerca de este algoritmo, vea Algoritmo de red neuronal de Microsoft.
Puede utilizar el Visor de redes neuronales de Microsoft para seleccionar estados concretos de atributos de entrada y para investigar el modo en que los otros atributos de entrada del modelo afectan al estado del atributo de salida, también denominado atributo de predicción. Por ejemplo, puede saber que un posible cliente tiene entre 40 y 50 años, es propietario de un vivienda y tiene dos hijos que todavía viven en casa. No obstante, es posible que no conozca otros rasgos específicos de la persona que podría emplear para determinar si adquiriría una bicicleta de Adventure Works. Puede explorar el modelo TM_Neural_Net de la base de datos de ejemplo Adventure WorksDW para descubrir que si una persona también tiene ingresos altos, hay más probabilidad de que adquiera una bicicleta, según el modelo. Por el contrario, si vive a más de 15 km del lugar de trabajo, probablemente no adquirirá una bicicleta.
[!NOTA]
Para ver información detallada sobre las ecuaciones utilizadas en el modelo y los patrones detectados, utilice el Visor de árbol de contenido genérico de Microsoft. Para obtener más información, vea Ver los detalles del modelo con el Visor de árbol de contenido genérico de Microsoft o Visor de árbol de contenido genérico de Microsoft (Diseñador de minería de datos).
Visor (fichas)
Cuando se explora un modelo de minería de datos en Analysis Services, el modelo aparece en la ficha Visor de modelos de minería de datos del visor del diseñador de minería de datos apropiado para el modelo.El Visor de redes neuronales de Microsoft ofrece las siguientes fichas para utilizarlas con el fin de explorar modelos de minería de datos de redes neuronales:
Entradas
Salidas
Variables
Entradas
Con la ficha Entrada puede seleccionar los atributos y valores de atributo que el modelo de red neuronal utilizará como entradas. Cuando se abre el visor, la opción predeterminada es incluir todos los atributos. Esto implica que le pregunta al modelo qué valores de atributo son los más importantes para determinar el valor del atributo de salida seleccionado.
Para seleccionar un atributo de entrada, haga clic dentro de la columna Atributo de la cuadrícula Entrada y, a continuación, seleccione un atributo de la lista desplegable. En la lista sólo están incluidos los atributos presentes en el modelo. El primer valor distinto aparece en la columna Valor. Si hace clic en el valor predeterminado aparece una lista que contiene los posibles estados del atributo asociado. Puede seleccionar el estado que desea investigar. Puede seleccionar tantos atributos como desee.
Volver al principio
Salidas
Puede utilizar la ficha Salida para designar el atributo del modelo de red neuronal que se va a utilizar como salida y los dos estados que desea comparar. Únicamente puede seleccionar atributos del modelo definidos como columnas PREDICT o PREDICT ONLY.
Utilice la lista Atributo desalida para seleccionar un atributo. Después puede seleccionar dos estados asociados con el atributo en las listas Valor 1 y Valor 2. Estos dos estados del atributo de salida se compararán en el panel Variables.
Volver al principio
Variables
La ficha Variables de la cuadrícula contiene las siguientes columnas: Atributo, Valor, Favorece [valor 1] y Favorece [valor 2].De manera predeterminada, las columnas se ordenan por la fuerza de Favorece [valor 1]. Si hace clic en un encabezado de columna, cambia el orden de la columna seleccionada.
Una barra a la derecha del atributo muestra el estado del atributo de entrada que el estado del atributo de salida favorece. El tamaño de la barra muestra la intensidad con que el estado de salida favorece al estado de entrada.
Volver al principio