Explorar el modelo Bayes naive (Tutorial básico de minería de datos)
Se aplica a: SQL Server 2016 Preview
El Microsoft algoritmo Bayes Naive proporciona varios métodos para mostrar la interacción entre los atributos de entrada y compra de bicicletas.
El Microsoft Visor Bayes Naive proporciona las siguientes fichas de exploración de modelos de minería de datos Bayes Naive:
Red de dependencias
Perfiles del atributo
Características del atributo
Distinción del atributo
Red de dependencias
El red de dependencias ficha funciona de la misma manera que el red de dependencias ficha para el Microsoft Visor de árbol. Cada nodo del visor representa un atributo y las líneas entre los nodos representan relaciones. En el visor, puede ver todos los atributos que afectan al estado del atributo de predicción, Bike Buyer.
Para explorar el modelo en la pestaña Red de dependencias
Utilice la Mining Model lista en la parte superior de la Visor de modelo de minería de datos ficha para cambiar a la TM_NaiveBayes modelo.
Utilice la Visor lista para cambiar a Visor Bayes Naive de Microsoft.
Haga clic en el bicicleta nodo para identificar sus dependencias.
El sombreado rosa indica que todos los atributos influyen en la compra de bicicletas.
Ajuste el control deslizante para identificar el atributo más influyente.
Conforme baja el control deslizante, solamente permanecen los atributos que afectan en mayor medida a la columna [Bike Buyer]. Ajustando el control deslizante, puede detectar que algunos de los atributos más influyentes son el número de automóviles que se posee, la distancia al lugar de trabajo y el número total de hijos.
Volver al principio
Perfiles del atributo
El perfiles del atributo ficha describe los diferentes Estados de los atributos de entrada afectan el resultado del atributo de predicción.
Para explorar el modelo en la pestaña Perfiles del atributo
En el predicción compruebe que bicicleta está seleccionada.
Si el leyenda de minería de datos está bloqueando la presentación de la atributo perfiles, moverlo de forma.
En el histograma cuadro de barras, seleccione 5.
En nuestro modelo, 5 es el número máximo de estados para cualquier variable.
Los atributos que afectan al estado de este atributo de predicción aparecen enumerados junto a los valores de cada estado de los atributos de entrada y sus distribuciones en cada estado del atributo de predicción.
En el atributos columna, busque Number Cars Owned. Observe las diferencias en los histogramas de los compradores de bicicletas (la columna con la etiqueta 1) y los no compradores (la columna con la etiqueta 0). Una persona que no tenga automóvil o que tenga uno tiene mucha más probabilidad de comprar una bicicleta.
Haga doble clic en el Number Cars Owned celda de la bicicleta columna (columna 1).
El leyenda de minería de datos muestra una vista más detallada.
Volver al principio
Características del atributo
Con el características del atributo ficha, puede seleccionar un atributo y un valor para ver con qué frecuencia aparecen los valores de otros atributos en los casos del valor seleccionado.
Para explorar el modelo en la pestaña Características del atributo
En el atributo lista, compruebe que bicicleta está seleccionada.
Establecer el valor a 1.
En el visor, verá que los clientes que no tienen ningún hijo conviviendo con ellos, una distancia corta al trabajo y que viven en la región de Norteamérica tienen más probabilidad de comprar una bicicleta.
Volver al principio
Distinción del atributo
Con el distinción del atributo ficha, puede investigar la relación entre dos valores discretos de compra de bicicletas y otros valores de atributo. Dado que la TM_NaiveBayes modelo tiene sólo dos Estados, 1 y 0, no es necesario realizar ningún cambio en el Visor.
En el visor, podrá ver que las personas que no tienen un automóvil tienden a comprar bicicletas y las personas que tienen dos no suelen comprarlas.
Tareas relacionadas
Vea los temas siguientes para explorar los demás modelos de minería de datos.
Explorar el modelo de árbol de decisión ( Tutorial de minería de datos básicos y nº 41;
Explorar el modelo de agrupación en clústeres ( Tutorial de minería de datos básicos y nº 41;
Lección siguiente
Lección 5: Probar modelos ( Tutorial de minería de datos básicos y nº 41;
Tarea anterior de la lección
Explorar el modelo de agrupación en clústeres ( Tutorial de minería de datos básicos y nº 41;
Vea también
Examinar un modelo usando el visor Bayes naive de Microsoft
Pestaña Distinción del atributo (Visor de modelos de minería de datos)
Pestaña Perfiles del atributo (Visor de modelos de minería de datos)
Pestaña Características del atributo (Visor de modelos de minería de datos)
Pestaña Red de dependencias (Visor de modelos de minería de datos)