Exploration du modèle Naive Bayes (didacticiel d’exploration de données de base)

L’algorithme Microsoft Naive Bayes fournit plusieurs méthodes pour afficher l’interaction entre l’achat de vélos et les attributs d’entrée.

La visionneuse Microsoft Naive Bayes fournit les onglets suivants à utiliser pour explorer les modèles d’exploration de données Naive Bayes :

Réseau de dépendances

L’onglet Réseau de dépendances fonctionne de la même façon que l’onglet Réseau de dépendances pour l’observateur d’arborescences Microsoft. Chaque nœud dans l'interface représente un attribut, et les lignes entre les nœuds représentent des relations. Dans l'affichage, vous pouvez voir tous les attributs qui affectent l’état de l’attribut prévisible Bike Buyer.

Pour explorer le modèle sous l’onglet Réseau de dépendances

1. Utilisez la liste Modèle d'exploration en haut de l’onglet Visionneuse de modèle d'exploration pour basculer vers le TM_NaiveBayes modèle.

2. Utilisez la liste Visionneuse pour basculer vers Microsoft Naive Bayes Viewer.

3. Cliquez sur le Bike Buyer nœud pour identifier ses dépendances.

   L’ombrage rose indique que tous les attributs ont un effet sur l’achat de vélo.

4. Ajustez le curseur pour identifier l’attribut le plus influent.

   Lorsque vous réduisez le curseur, seuls les attributs qui ont le plus d’effet sur la colonne [Bike Buyer] restent. En ajustant le curseur, vous pouvez découvrir que quelques-uns des attributs les plus influents sont : le nombre de voitures détenues, la distance de trajet et le nombre total d’enfants.

Profils d’attribut

L’onglet Profils d’attributs décrit comment différents états des attributs d’entrée affectent le résultat de l’attribut prévisible.

Pour explorer le modèle sous l’onglet Profils d’attribut

1. Dans la zone Prédictible , vérifiez qu’elle Bike Buyer est sélectionnée.

2. Si la Mining Legend bloque l’affichage des profils d’attribut, déplacez-la hors du chemin.

3. Dans la zone Barres d’histogramme , sélectionnez 5.

   Dans notre modèle, 5 est le nombre maximal d’états pour n’importe quelle variable.

   Les attributs qui affectent l’état de cet attribut prédictible sont répertoriés avec les valeurs de chaque état des attributs d’entrée et leurs distributions dans chaque état de l’attribut prédictible.

4. Dans la colonne Attributs , recherchez Number Cars Owned. Notez les différences dans les histogrammes pour les acheteurs de vélos (colonne intitulée 1) et non-acheteurs (colonne intitulée 0). Une personne avec zéro ou une voiture est beaucoup plus susceptible d’acheter un vélo.

5. Double-cliquez sur la cellule Number Cars Owned dans la colonne de l’acheteur de vélos (colonne intitulée 1).

   La légende de l'extraction présente une vue plus détaillée.

Caractéristiques d’attribut

Avec l’onglet Caractéristiques d’attribut , vous pouvez sélectionner un attribut et une valeur pour voir la fréquence d’affichage des autres attributs dans les cas de valeur sélectionnés.

Pour explorer le modèle sous l’onglet Caractéristiques d’attribut

1. Dans la liste d’attributs , vérifiez qu’il Bike Buyer est sélectionné.

2. Définissez la valeursur 1.

   Dans la visionneuse, vous verrez que les clients qui n’ont pas d’enfants à la maison, vivent à courte distance de leur lieu de travail et habitent dans la région Amérique du Nord sont plus susceptibles d’acheter un vélo.

Discrimination d’attribut

Avec l’onglet Discrimination d’attribut , vous pouvez examiner la relation entre deux valeurs discrètes d’achat de vélo et d’autres valeurs d’attribut. Étant donné que le TM_NaiveBayes modèle n’a que deux états, 1 et 0, vous n’avez pas à apporter de modifications à la visionneuse.

Dans l'interface de visualisation, vous pouvez constater que les personnes qui ne possèdent pas de voiture ont tendance à acheter des vélos, tandis que celles qui possèdent deux voitures ne le font généralement pas.

Tâches associées

Consultez les rubriques suivantes pour explorer les autres modèles d’exploration de données.

• Exploration du modèle d’arbre de décision (didacticiel d’exploration de données de base)

• Exploration du modèle de clustering (didacticiel d’exploration de données de base)

Leçon suivante

Leçon 5 : Tester des modèles (didacticiel d’exploration de données de base)

Tâche précédente dans la leçon

Exploration du modèle de clustering (didacticiel d’exploration de données de base)

Voir aussi

Parcourir un modèle à l’aide de l’afficheur Microsoft Naïve Bayes
Onglet Discrimination d'attributs (Visionneuse du modèle d'exploration de données)
Onglet Profils d’attribut (Visionneuse du modèle d’exploration de données)
Onglet Caractéristiques des attributs (Visualiseur du modèle d’exploration de données)
Onglet Réseau de dépendances (Visionneuse de modèles d’exploration de données)