Partager via


Références techniques relatives à l'algorithme MNN (Microsoft Neural Network)

L'algorithme MNN (Microsoft Neural Network) utilise un réseau perceptron multicouche, également appelé réseau à règle delta à rétropropagation, qui peut comporter jusqu'à trois couches de neurones, ou perceptrons : une couche d'entrée, une couche masquée facultative et une couche de sortie.

Les réseaux neuronaux de type perceptron multicouche ne sont pas décrits en détails dans la présente documentation. Cette rubrique explique l'implémentation de base de l'algorithme, dont la méthode utilisée pour normaliser les valeurs d'entrée et de sortie, ainsi que les méthodes de sélection de fonctionnalités utilisées pour réduire la cardinalité de l'attribut. Cette rubrique décrit les paramètres et autres valeurs qui peuvent être utilisés pour personnaliser le comportement de l'algorithme, et fournit des liens vers des informations supplémentaires sur l'interrogation du modèle.

Implémentation de l'algorithme MNN (Microsoft Neural Network)

Dans un réseau neuronal de type perceptron multicouche, chaque neurone reçoit une ou plusieurs entrées et génère une ou plusieurs sorties identiques. Chaque sortie est une fonction non linéaire simple de la somme des entrées dans le neurone. Les entrées sont propagées vers l'avant entre les nœuds de la couche d'entrée et ceux de la couche masquée, puis entre la couche masquée et celle de sortie ; il n'y a pas de connexion entre les neurones au sein d'une même couche. S'il n'y a pas de couche masquée, comme c'est le cas dans un modèle de régression logistique, les entrées sont propagées vers l'avant entre les nœuds de la couche d'entrée et ceux de la couche de sortie.

Un réseau neuronal créé avec l'algorithme MNN (Microsoft Neural Network) comporte trois types de neurones :

  • Input neurons

    Les neurones d'entrée fournissent les valeurs des attributs d'entrée du modèle d'exploration de données. Pour les attributs d'entrée discrets, un neurone d'entrée représente généralement un état unique de l'attribut d'entrée. Cela inclut des valeurs manquantes, si les données d'apprentissage contiennent des valeurs Null pour cet attribut. Un attribut d'entrée discret qui a plus de deux états génère un neurone d'entrée pour chaque état et un neurone d'entrée pour un état manquant, si les données d'apprentissage contiennent des valeurs Null. Un attribut d'entrée continu génère deux neurones d'entrée : un pour un état manquant et un pour la valeur de l'attribut continu lui-même. Les neurones d'entrée fournissent des entrées à un ou plusieurs neurones cachés.

  • Hidden neurons

    Les neurones cachés reçoivent des entrées des neurones d'entrée et fournissent des sorties aux neurones de sortie.

  • Output neurons

    Les neurones de sortie représentent les valeurs des attributs prévisibles du modèle d'exploration de données. Pour les attributs d'entrée discrets, un neurone de sortie représente généralement un état prédit unique d'un attribut prévisible, y compris un état manquant. Par exemple, un attribut prévisible binaire produit un nœud de sortie qui décrit un état existant ou manquant pour indiquer si une valeur existe ou non pour cet attribut. Une colonne booléenne utilisée comme attribut prévisible génère trois neurones de sortie : un pour une valeur true, un pour une valeur false et un pour un état manquant ou existant. Un attribut prévisible discret qui a plus de deux états génère un neurone de sortie pour chaque état et un neurone de sortie pour un état manquant ou existant. Les colonnes prévisibles continues génèrent deux neurones de sortie : un pour un état manquant ou existant et un pour la valeur de la colonne continue elle-même. Si plus de 500 neurones de sortie sont générés par l'analyse du jeu de colonnes prévisibles, Analysis Services génère un nouveau réseau dans le modèle d'exploration de données pour représenter les neurones de sortie supplémentaires.

Un neurone reçoit des entrées provenant d'autres neurones ou données, selon la couche du réseau sur laquelle il se trouve. Un neurone d'entrée reçoit des entrées provenant des données d'origine. Les neurones cachés et de sortie reçoivent des entrées provenant de la sortie d'autres neurones du réseau. Les entrées établissent des relations entre les neurones et ces relations servent de chemin d'analyse pour un ensemble de cas spécifique.

Chaque entrée est dotée d'une valeur appelée poids, qui décrit la pertinence ou l'importance de cette entrée spécifique par rapport au neurone caché ou à celui de sortie. Plus le poids affecté à une entrée est élevé, plus la valeur de celle-ci est pertinente ou importante. Le poids peut être négatif, ce qui implique que l'entrée peut désactiver un neurone spécifique au lieu de l'activer. La valeur de chaque entrée est multipliée par le poids pour accentuer son importance pour un neurone spécifique. Si le poids est négatif, la multiplication de la valeur par celui-ci a pour effet de désaccentuer son importance.

Chaque neurone est doté d'une fonction non linéaire simple appelée fonction d'activation qui décrit la pertinence ou l'importance d'un neurone spécifique par rapport à cette couche d'un réseau neuronal. Les neurones cachés utilisent une fonction tangente hyperbolique (tanh) pour leur fonction d'activation, tandis que les neurones de sortie utilisent une fonction sigmoïde. Il s'agit de deux fonctions continues non linéaires qui permettent au réseau neuronal de modéliser les relations non linéaires entre les neurones d'entrée et de sortie.

Apprentissage des réseaux de neurones

L'apprentissage d'un modèle d'exploration de données utilisant l'algorithme MNN (Microsoft Neural Network) comporte plusieurs étapes. Ces étapes sont fortement influencées par les valeurs que vous spécifiez pour les paramètres d'algorithme.

L'algorithme commence par évaluer et par extraire les données d'apprentissage de la source de données. Un pourcentage des données d'apprentissage, appelé données d'exclusion, est réservé à l'évaluation de la précision du réseau. Pendant le processus d'apprentissage, le réseau est évalué immédiatement après chaque itération des données d'apprentissage. Lorsque la précision n'augmente plus, le processus d'apprentissage est interrompu.

Les valeurs des paramètres SAMPLE_SIZE et HOLDOUT_PERCENTAGE permettent de déterminer le nombre de cas à échantillonner dans les données d'apprentissage et le nombre de cas à mettre de côté pour les données d'exclusion. La valeur du paramètre HOLDOUT_SEED permet de déterminer de façon aléatoire les cas individuels à mettre de côté pour les données d'exclusion.

[!REMARQUE]

Ces paramètres d'algorithme sont différents des propriétés HOLDOUT_SIZE et HOLDOUT_SEED qui sont appliquées à une structure d'exploration de données pour définir in jeu de données de test.

L'algorithme détermine ensuite le nombre et la complexité des réseaux pris en charge par le modèle d'exploration de données. Si le modèle d'exploration de données contient un ou plusieurs attributs qui sont utilisés uniquement pour la prédiction, l'algorithme crée un réseau unique qui représente tous ces attributs. Si le modèle d'exploration de données contient un ou plusieurs attributs qui sont utilisés à la fois pour l'entrée et pour la prédiction, le fournisseur de l'algorithme construit un réseau pour chaque attribut.

Pour les attributs d'entrée ou les attributs prévisibles dotés de valeurs discrètes, chaque neurone d'entrée ou de sortie représente respectivement un état unique. Pour les attributs d'entrée ou les attributs prévisibles dotés de valeurs continues, chaque neurone d'entrée ou de sortie représente respectivement la plage et la distribution de valeurs pour l'attribut. Le nombre maximal d'états pris en charge dans les deux cas dépend de la valeur du paramètre MAXIMUM_STATES de l'algorithme. Si le nombre d'états d'un attribut spécifique dépasse la valeur du paramètre d'algorithme MAXIMUM_STATES, les états les plus fréquents ou les plus pertinents pour cet attribut sont sélectionnés, à hauteur du nombre maximal d'états autorisé, et les états restants sont considérés comme des valeurs manquantes dans le cadre de l'analyse.

L'algorithme utilise ensuite la valeur du paramètre HIDDEN_NODE_RATIO pour déterminer le nombre initial de neurones à créer pour la couche cachée. Vous pouvez attribuer la valeur 0 à HIDDEN_NODE_RATIO pour empêcher la création d'une couche cachée dans les réseaux générés par l'algorithme pour le modèle d'exploration de données, afin de traiter le réseau de neurones en tant que régression logistique.

Le fournisseur d'algorithme évalue de façon itérative le poids de toutes les entrées se trouvant sur le réseau au même moment, en prenant l'ensemble de données d'apprentissage qui a été auparavant mis de côté et en comparant la valeur réelle connue de chacun des cas figurant dans les données d'exclusion à la prédiction du réseau : ce processus s'appelle l'apprentissage par lots. Une fois que l'algorithme a évalué l'intégralité des données d'apprentissage, l'algorithme passe en revue la valeur prédite et la valeur réelle de chaque neurone. L'algorithme calcule, le cas échéant, le taux d'erreur et ajuste les poids attribués aux entrées de ce neurone en propageant les informations vers l'arrière, c'est-à-dire en partant des neurones de sortie et en remontant aux neurones d'entrée : ce processus s'appelle la rétropropagation. L'algorithme répète ensuite le processus sur l'intégralité des données d'apprentissage. Étant donné que l'algorithme peut prendre en charge de nombreux poids et neurones de sortie, l'algorithme du gradient conjugué est utilisé afin de guider le processus d'apprentissage pour l'attribution et l'évaluation des poids des entrées. L'algorithme du gradient conjugué n'est pas traité dans la présente documentation.

Sélection des fonctionnalités

Si le nombre d'attributs d'entrée ou d'attributs prévisibles est supérieur respectivement à la valeur du paramètre MAXIMUM_INPUT_ATTRIBUTES ou du paramètre MAXIMUM_OUTPUT_ATTRIBUTES, un algorithme de sélection des fonctionnalités est utilisé pour réduire la complexité des réseaux inclus dans le modèle d'exploration de données. La sélection des fonctionnalités réduit le nombre d'attributs d'entrée ou prévisibles à ceux qui sont statistiquement les plus pertinents pour le modèle.

La sélection des fonctionnalités est automatiquement utilisée par tous les algorithmes d'exploration de données Analysis Services pour améliorer l'analyse et réduire la charge de traitement. La méthode utilisée pour la sélection des fonctionnalités dans les modèles de réseau neuronal dépend du type de données de l'attribut. Pour référence, le tableau suivant présente les méthodes de sélection de fonctionnalités utilisées pour les modèles de réseau neuronal et pour l'algorithme Logistic Regression qui est basé sur l'algorithme Neural Network.

Algorithme

Méthode d'analyse

Commentaires

Neural Network

Score d'intérêt et de pertinence

Entropie de Shannon

Bayésien avec a priori K2

Équivalent bayésien de Dirichlet avec a priori uniforme (par défaut)

L'algorithme Neural Network peut utiliser les deux méthodes tant que les données contiennent des colonnes continues.

Valeur par défaut.

Logistic Regression

Score d'intérêt et de pertinence

Entropie de Shannon

Bayésien avec a priori K2

Équivalent bayésien de Dirichlet avec a priori uniforme (par défaut)

Étant donné que vous ne pouvez pas passer de paramètre à cet algorithme pour contrôler le comportement de la sélection des fonctionnalités, les valeurs par défaut sont utilisées. Par conséquent, si tous les attributs sont discrets ou discrétisés, la valeur par défaut est BDEU.

Les paramètres d'algorithme qui contrôlent la sélection des fonctionnalités d'un modèle de réseau neuronal sont MAXIMUM_INPUT_ATTRIBUTES, MAXIMUM_OUTPUT_ATTRIBUTES et MAXIMUM_STATES. Vous pouvez également contrôler le nombre de couches masquées en définissant le paramètre HIDDEN_NODE_RATIO.

Méthodes de calcul de score

Le score est une sorte de normalisation qui, dans le contexte de l'apprentissage d'un modèle de réseau neuronal, désigne le processus de conversion d'une valeur, telle qu'une étiquette de texte discrète, en une valeur qui peut être comparée avec d'autres types d'entrées et être pondérée dans le réseau. Par exemple, si un attribut d'entrée est Gender et que les valeurs possibles sont Male et Female, et qu'un autre attribut d'entrée est Income, avec une plage de valeurs variable, les valeurs pour chaque attribut ne sont pas directement comparables, et doivent donc être codées à une échelle commune afin que les poids puissent être calculés. Le score est le processus qui consiste à normaliser ces entrées en valeurs numériques, plus précisément en une plage de probabilités. Les fonctionnalités utilisées pour la normalisation permettent également de répartir la valeur d'entrée plus équitablement sur une échelle uniforme afin que les valeurs extrêmes ne déforment pas les résultats d'analyse.

Les sorties du réseau neuronal sont également codées. Lorsqu'il y a une cible unique pour la sortie (c'est-à-dire, la prédiction), ou plusieurs cibles utilisées uniquement pour la prédiction et non pas pour l'entrée, le modèle crée un réseau unique et il peut ne pas s'avérer nécessaire de normaliser les valeurs. Toutefois, si plusieurs attributs sont utilisés pour l'entrée et la prédiction, le modèle doit créer plusieurs réseaux ; par conséquent, toutes les valeurs doivent être normalisées, et les sorties doivent également être codées lorsqu'elles quittent le réseau.

Le codage des entrées consiste à additionner chaque valeur discrète des cas d'apprentissage, et à la multiplier par son poids. On parle alors de somme pondérée, laquelle est transmise à la fonction d'activation dans la couche masquée. Un z-score est utilisé pour le codage :

Valeurs discrètes

μ = p – probabilité antérieure d'un état

Valeurs continues

Valeur actuelle = 1 - μ/σ

Une fois les valeurs codées, les entrées font l'objet d'une addition pondérée, avec les contours du réseau comme poids.

Le codage des sorties utilise la fonction sigmoïde, qui est dotée de propriétés qui la rendent très utile pour la prédiction. L'une d'entre elles est que, indépendamment de la méthode utilisée pour mettre les valeurs d'origine à l'échelle et du fait que les valeurs sont négatives ou positives, la sortie de cette fonction est toujours une valeur comprise entre 0 et 1, ce qui convient parfaitement pour l'estimation des probabilités. Une autre propriété utile est que la fonction sigmoïde a un effet de lissage, de sorte que lorsque les valeurs s'éloignent du point d'inflexion, la probabilité pour la valeur se rapproche de 0 ou 1, mais lentement.

Personnalisation de l'algorithme Neural Network

L'algorithme MNN (Microsoft Neural Network) prend en charge plusieurs paramètres qui affectent le comportement, les performances et la précision du modèle d'exploration de données résultant. Vous pouvez également modifier la manière dont le modèle traite les données en définissant des indicateurs de modélisation sur les colonnes ou des indicateurs de distribution afin de spécifier le mode de traitement des valeurs dans la colonne.

Définition de paramètres d'algorithme

Le tableau suivant décrit les paramètres qui peuvent être utilisés avec l'algorithme MNN (Microsoft Neural Network).

  • HIDDEN_NODE_RATIO
    Spécifie le taux de neurones cachés par rapport aux neurones d'entrée et de sortie. La formule suivante détermine le nombre initial de neurones dans la couche masquée :

    HIDDEN_NODE_RATIO * SQRT (nombre total de neurones d'entrée * nombre total de neurones de sortie)

    La valeur par défaut est 4,0.

  • HOLDOUT_PERCENTAGE
    Spécifie le pourcentage de cas au sein des données d'apprentissage utilisé pour calculer l'erreur d'exclusion, qui constitue l'un des critères d'arrêt pendant l'apprentissage du modèle d'exploration de données.

    La valeur par défaut est 30.

  • HOLDOUT_SEED
    Spécifie un nombre à utiliser pour définir la valeur de départ du générateur pseudo-aléatoire lorsque l'algorithme détermine de façon aléatoire les données d'exclusion. Si ce paramètre a la valeur 0, l'algorithme génère la valeur de départ en fonction du nom du modèle d'exploration de données afin de garantir que le contenu du modèle reste inchangé lors du retraitement.

    La valeur par défaut est 0.

  • MAXIMUM_INPUT_ATTRIBUTES
    Détermine le nombre maximal d'attributs d'entrée qui peuvent être fournis à l'algorithme et au-delà duquel la sélection des fonctionnalités est utilisée. La valeur 0 désactive la sélection des fonctionnalités pour les attributs d'entrée.

    La valeur par défaut est 255.

  • MAXIMUM_OUTPUT_ATTRIBUTES
    Détermine le nombre maximal d'attributs de sortie qui peuvent être fournis à l'algorithme et au-delà duquel la sélection des fonctionnalités est utilisée. La valeur 0 désactive la sélection des fonctionnalités pour les attributs de sortie.

    La valeur par défaut est 255.

  • MAXIMUM_STATES
    Spécifie le nombre maximal d'états discrets par attribut qui est pris en charge par l'algorithme. Si le nombre d'états d'un attribut spécifique est supérieur au nombre spécifié pour ce paramètre, l'algorithme sélectionne les états les plus fréquents pour cet attribut et traite les autres comme étant absents.

    La valeur par défaut est 100.

  • SAMPLE_SIZE
    Spécifie le nombre de cas à utiliser pour l'apprentissage du modèle. L'algorithme utilise soit ce nombre, soit le pourcentage du nombre total de cas non inclus dans les données d'exclusion conformément au paramètre HOLDOUT_PERCENTAGE, la plus petite valeur étant retenue.

    En d'autres termes, si HOLDOUT_PERCENTAGE a la valeur 30, l'algorithme utilisera soit la valeur de ce paramètre, soit une valeur égale à 70 % du nombre total de cas, la plus petite valeur étant retenue.

    La valeur par défaut est 10 000.

Indicateurs de modélisation

Les indicateurs de modélisation suivants sont pris en charge pour une utilisation avec l'algorithme MNN (Microsoft Neural Network).

  • NOT NULL
    Indique que la colonne ne peut pas contenir de valeur Null. Une erreur est générée si Analysis Services rencontre une valeur Null au cours de l'apprentissage du modèle.

    S'applique aux colonnes de structure d'exploration de données.

  • MODEL_EXISTENCE_ONLY
    Indique que le modèle doit uniquement déterminer si une valeur existe ou non pour l'attribut ou si une valeur manque. La valeur exacte n'a pas d'importance.

    S'applique aux colonnes de modèle d'exploration de données.

Indicateurs de distribution

Les indicateurs de distribution suivants sont pris en charge pour une utilisation avec l'algorithme MNN (Microsoft Neural Network). Les indicateurs sont uniquement utilisés comme indications pour le modèle ; si l'algorithme détecte une autre distribution, il utilisera celle-ci et non pas celle spécifiée dans l'indication.

  • Normale
    Indique que les valeurs de la colonne doivent être considérées comme étant la normale, ou gaussiennes.

  • Uniforme
    Indique que les valeurs de la colonne doivent être considérées comme étant distribuées uniformément ; autrement dit, la probabilité de toute valeur est à peu près constante et est une fonction du nombre total de valeurs.

  • Log-normale
    Indique que les valeurs de la colonne doivent être considérée comme étant distribuées selon la courbe log-normale, ce qui signifie que le logarithme des valeurs est distribué normalement.

Conditions requises

Un modèle de réseau neuronal doit contenir au moins une colonne d'entrée et une colonne de sortie.

Colonnes d'entrée et prévisibles

L'algorithme MNN (Microsoft Neural Network) prend en charge les colonnes d'entrée spécifiques et les colonnes prévisibles répertoriées dans le tableau suivant.

Colonne

Types de contenu

Attribut d'entrée

Continu, Cyclique, Discret, Discrétisé, Clé, Table et Trié

Attribut prévisible

Continu, Cyclique, Discret, Discrétisé et Trié

[!REMARQUE]

Les types de contenu Cyclique et Trié sont pris en charge, mais l'algorithme les traite comme des valeurs discrètes et n'effectue pas de traitement spécial.