Bagikan melalui

Algoritma Jaringan Neural Microsoft

  • 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.

Algoritma Microsoft Neural Network adalah implementasi dari arsitektur jaringan neural yang populer dan dapat beradaptasi untuk pembelajaran mesin. Algoritma bekerja dengan menguji setiap kemungkinan status atribut input terhadap setiap kemungkinan status atribut yang dapat diprediksi, dan menghitung probabilitas untuk setiap kombinasi berdasarkan data pelatihan. Anda dapat menggunakan probabilitas ini untuk tugas klasifikasi atau regresi, untuk memprediksi hasil berdasarkan beberapa atribut input. Jaringan neural juga dapat digunakan untuk analisis asosiasi.

Saat Anda membuat model penambangan menggunakan algoritma Microsoft Neural Network, Anda dapat menyertakan beberapa output, dan algoritma akan membuat beberapa jaringan. Jumlah jaringan yang terkandung dalam model penambangan tunggal berisi tergantung pada jumlah status (atau nilai atribut) di kolom input, serta jumlah kolom yang dapat diprediksi yang digunakan model penambangan dan jumlah status dalam kolom tersebut.

Contoh

Algoritma Microsoft Neural Network berguna untuk menganalisis data input yang kompleks, seperti dari proses manufaktur atau komersial, atau masalah bisnis di mana sejumlah besar data pelatihan tersedia tetapi aturan mana yang tidak dapat dengan mudah diturunkan dengan menggunakan algoritma lain.

Skenario yang disarankan untuk menggunakan algoritma Microsoft Neural Network meliputi yang berikut ini:

  • Analisis pemasaran dan promosi, seperti mengukur keberhasilan promosi surat langsung atau kampanye iklan radio

  • Memprediksi pergerakan saham, fluktuasi mata uang, atau informasi keuangan lain yang sangat fluid dari data historis

  • Menganalisis proses manufaktur dan industri

  • Penambangan teks

  • Model prediksi apa pun yang menganalisis hubungan kompleks antara banyak input dan output yang relatif lebih sedikit

Cara Kerja Algoritma

Algoritma Microsoft Neural Network membuat jaringan yang terdiri dari hingga tiga lapisan simpul (kadang-kadang disebut neuron). Lapisan-lapisan ini adalah lapisan input, lapisan tersembunyi, dan lapisan output.

Lapisan input: Simpul input menentukan semua nilai atribut input untuk model penggalian data, dan probabilitasnya.

Lapisan tersembunyi: Simpul tersembunyi menerima input dari simpul input dan memberikan output ke simpul output. Lapisan tersembunyi adalah tempat berbagai probabilitas input diberi bobot. Bobot menjelaskan relevansi atau pentingnya input tertentu ke simpul tersembunyi. Semakin besar bobot yang ditetapkan ke input, semakin penting nilai input tersebut. Bobot bisa negatif, yang berarti bahwa input dapat menghambat, daripada mendukung, hasil tertentu.

Lapisan output: Simpul output mewakili nilai atribut yang dapat diprediksi untuk model penggalian data.

Untuk penjelasan terperinci tentang bagaimana lapisan input, tersembunyi, dan output dibangun dan diberi skor, lihat Referensi Teknis Algoritma Jaringan Neural Microsoft.

Data yang Diperlukan untuk Model Jaringan Neural

Model jaringan neural harus berisi kolom kunci, satu atau beberapa kolom input, dan satu atau beberapa kolom yang dapat diprediksi.

Model penggalian data yang menggunakan algoritma Microsoft Neural Network sangat dipengaruhi oleh nilai yang Anda tentukan untuk parameter yang tersedia untuk algoritma. Parameter menentukan bagaimana data diambil sampelnya, bagaimana data didistribusikan atau diharapkan didistribusikan di setiap kolom, dan kapan pemilihan fitur dipanggil untuk membatasi nilai yang digunakan dalam model akhir.

Untuk informasi selengkapnya tentang mengatur parameter untuk menyesuaikan perilaku model, lihat Referensi Teknis Algoritma Jaringan Neural Microsoft.

Menampilkan Model Jaringan Neural

Untuk bekerja dengan data dan melihat bagaimana model menghubungkan input dengan output, Anda dapat menggunakan Penampil Jaringan Neural Microsoft. Dengan penampil kustom ini, Anda dapat memfilter atribut input dan nilainya, dan melihat grafik yang menunjukkan pengaruhnya terhadap output. Tipsalat dalam penampil menunjukkan probabilitas dan pengangkatan yang terkait dengan setiap pasangan nilai input dan output. Untuk informasi selengkapnya, lihat Menelusuri Model Menggunakan Penampil Jaringan Neural Microsoft.

Cara termampu untuk menjelajahi struktur model adalah dengan menggunakan Penampil Pohon Konten Generik Microsoft. Anda dapat melihat input, output, dan jaringan yang dibuat oleh model, dan mengklik simpul apa pun untuk memperluasnya dan melihat statistik yang terkait dengan input, output, atau node lapisan tersembunyi. Untuk informasi selengkapnya, lihat Menelusuri Model Menggunakan Penampil Pohon Konten Generik Microsoft.

Membuat Prediksi

Setelah model diproses, Anda dapat menggunakan jaringan dan bobot yang disimpan dalam setiap simpul untuk membuat prediksi. Model jaringan neural mendukung analisis regresi, asosiasi, dan klasifikasi, Oleh karena itu, arti dari setiap prediksi mungkin berbeda. Anda juga dapat mengkueri model itu sendiri, untuk meninjau korelasi yang ditemukan dan mengambil statistik terkait. Untuk contoh cara membuat kueri terhadap model jaringan neural, lihat Contoh Kueri Model Jaringan Neural.

Untuk informasi umum tentang cara membuat kueri pada model penggalian data, lihat Kueri Penggalian Data.

Keterangan

  • Tidak mendukung penelusuran atau dimensi penambangan data. Ini karena struktur simpul dalam model penambangan tidak selalu sesuai langsung dengan data yang mendasar.

  • Tidak mendukung pembuatan model dalam format Predictive Model Markup Language (PMML).

  • Mendukung penggunaan model penambangan OLAP.

  • Tidak mendukung pembuatan dimensi penambangan data.

Lihat juga

Referensi Teknis Algoritma Jaringan Neural Microsoft
Menambang Konten Model untuk Model Jaringan Neural (Analysis Services - Penggalian Data)
Contoh Kueri Model Jaringan Neural
Algoritma Regresi Logistik Microsoft