Bagikan melalui

Menelusuri Model Menggunakan Penampil Microsoft Naive Bayes

  • Artikel

Berlaku untuk: SQL Server 2019 dan Analysis Services Azure Analysis Services Fabric/Power BI Premium sebelumnya

Penting

Penambangan data tidak digunakan lagi pada SQL Server 2017 Analysis Services dan sekarang dihentikan di SQL Server 2022 Analysis Services. Dokumentasi tidak diperbarui untuk fitur yang tidak digunakan lagi dan dihentikan. Untuk mempelajari selengkapnya, lihat Kompatibilitas mundur Analysis Services.

Microsoft Naive Bayes Viewer di Microsoft SQL Server SQL Server Analysis Services menampilkan model penambangan yang dibangun dengan algoritma Microsoft Naive Bayes. Algoritma Microsoft Naive Bayes adalah algoritma klasifikasi yang sangat mudah beradaptasi dengan tugas pemodelan prediktif. Untuk informasi selengkapnya tentang algoritma ini, lihat Algoritma Microsoft Naive Bayes.

Karena salah satu tujuan utama model Naïve Bayes adalah untuk menyediakan cara untuk menjelajahi data dengan cepat dalam himpunan data, Microsoft Naive Bayes Viewer menyediakan beberapa metode untuk menampilkan interaksi antara atribut yang dapat diprediksi dan atribut input.

Catatan

Jika Anda ingin melihat informasi terperinci tentang persamaan yang digunakan dalam model dan pola yang ditemukan, Anda dapat beralih ke penampil Pohon Konten Generik Microsoft. Untuk informasi selengkapnya, lihat Menelusuri Model Menggunakan Penampil Pohon Konten Generik Microsoft atau Penampil Pohon Konten Generik Microsoft (Penggalian Data).

Tab Penampil

Saat Anda menelusuri model penambangan di SQL Server Analysis Services, model ditampilkan pada tab Penampil Model Penambangan dari Designer Penggalian Data di penampil yang sesuai untuk model. Microsoft Naive Bayes Viewer menyediakan tab berikut untuk menjelajahi data:

Jaringan Dependensi

Tab Jaringan Dependensi menampilkan dependensi antara atribut input dan atribut yang dapat diprediksi dalam model. Penggeser di sebelah kiri penampil bertindak sebagai filter yang terkait dengan kekuatan dependensi. Menurunkan slider hanya memperlihatkan tautan terkuat.

Saat Anda memilih simpul, penampil menyoroti dependensi yang khusus untuk simpul. Misalnya, jika Anda memilih simpul yang dapat diprediksi, penampil juga menyoroti setiap simpul yang membantu memprediksi simpul yang dapat diprediksi.

Legenda di bagian bawah penampil menautkan kode warna ke jenis dependensi dalam grafik. Misalnya, ketika Anda memilih simpul yang dapat diprediksi, simpul yang dapat diprediksi berbayang pirus, dan simpul yang memprediksi simpul yang dipilih berwarna oranye.

Kembali ke Atas

Profil Atribut

Tab Profil Atribut menampilkan histogram dalam kisi. Anda dapat menggunakan kisi ini untuk membandingkan atribut yang dapat diprediksi yang Anda pilih dalam kotak Dapat diprediksi dengan semua atribut lain yang ada dalam model. Setiap kolom di tab mewakili status atribut yang dapat diprediksi. Jika atribut yang dapat diprediksi memiliki banyak status, Anda dapat mengubah jumlah status yang muncul di histogram dengan menyesuaikan bilah Histogram. Jika jumlah yang Anda pilih kurang dari jumlah total status dalam atribut, status dicantumkan dalam urutan dukungan, dengan status yang tersisa dikumpulkan ke dalam satu wadah abu-abu.

Untuk menampilkan Legenda Penambangan yang berkaitan dengan warna histogram dengan status atribut, klik kotak centang Perlihatkan Legenda . Legenda Penambangan juga menampilkan distribusi kasus untuk setiap pasangan atribut-nilai yang Anda pilih.

Untuk menyalin konten kisi ke Clipboard sebagai tabel HTML, klik kanan tab Profil Atribut dan pilih Salin.

Kembali ke Atas

Karakteristik Atribut

Untuk menggunakan tab Karakteristik Atribut , pilih atribut yang dapat diprediksi dari daftar Atribut dan pilih status atribut yang dipilih dari daftar Nilai . Saat Anda mengatur variabel ini, tab Karakteristik Atribut menampilkan status atribut yang terkait dengan kasus yang dipilih dari atribut yang dipilih. Atribut diurutkan berdasarkan kepentingan.

Kembali ke Atas

Diskriminasi Atribut

Untuk menggunakan tab Diskriminasi Atribut , pilih atribut yang dapat diprediksi dan dua statusnya dari daftar Atribut, Nilai 1, dan Nilai 2 . Kisi pada tab Diskriminasi Atribut kemudian menampilkan informasi berikut dalam kolom:

Attribut
Mencantumkan atribut lain dalam himpunan data yang berisi status yang sangat mendukung satu status atribut yang dapat diprediksi.

Nilai
Memperlihatkan nilai atribut di kolom Atribut .

Nilai yang disukai <1>
Memperlihatkan bilah berwarna yang menunjukkan seberapa kuat nilai atribut mendukung nilai atribut yang dapat diprediksi yang ditunjukkan dalam Nilai 1.

Nilai yang disukai <2>
Memperlihatkan bilah berwarna yang menunjukkan seberapa kuat nilai atribut mendukung nilai atribut yang dapat diprediksi yang ditunjukkan dalam Nilai 2.

Kembali ke Atas

Lihat juga

Algoritma Microsoft Naive Bayes
Tugas dan Cara Menambang Penampil Model
Alat Penggalian Data
Penampil Model Penggalian Data