Algoritmo Microsoft Neural Network

In SQL Server Analysis Services, l'algoritmo Microsoft Neural Network combina ogni possibile stato dell'attributo di input con ogni possibile stato dell'attributo stimabile e usa i dati di training per calcolare le probabilità. In un secondo momento è possibile usare queste probabilità per la classificazione o la regressione e per stimare un risultato dell'attributo stimato, in base agli attributi di input.

Un modello di data mining costruito con l'algoritmo Microsoft Neural Network può contenere più reti, a seconda del numero di colonne usate sia per l'input che per la stima o usate solo per la stima. Il numero di reti contenute in un singolo modello di data mining dipende dal numero di stati contenuti dalle colonne di input e dalle colonne stimabili utilizzate dal modello di data mining.

Esempio

L'algoritmo Microsoft Neural Network è utile per l'analisi di dati di input complessi, ad esempio da un processo di produzione o commerciale, o problemi aziendali per i quali è disponibile una quantità significativa di dati di training, ma per cui le regole non possono essere facilmente derivate usando altri algoritmi.

Gli scenari suggeriti per l'uso dell'algoritmo Microsoft Neural Network includono quanto segue:

• Analisi di marketing e promozione, ad esempio la misurazione del successo di una promozione tramite posta diretta o di una campagna pubblicitaria radiofonica.

• Stima del movimento azionario, della fluttuazione della valuta o di altre informazioni finanziarie altamente fluide dai dati cronologici.

• Analisi dei processi produttivi e industriali.

• Data mining del testo.

• Qualsiasi modello di stima che analizza relazioni complesse tra molti input e output relativamente meno.

Funzionamento dell'algoritmo

L'algoritmo Microsoft Neural Network crea una rete composta da un massimo di tre livelli di neuroni. Questi livelli sono un livello di input, un livello nascosto facoltativo e un livello di output.

Livello di input: I neuroni di input definiscono tutti i valori degli attributi di input per il modello di data mining e le relative probabilità.

Livello nascosto: I neuroni nascosti ricevono input dai neuroni di input e forniscono output ai neuroni di output. Il livello nascosto è il livello in cui vengono assegnati pesi alle varie probabilità degli input. Un peso descrive la rilevanza o l'importanza di un particolare input per il neurone nascosto. Maggiore è il peso assegnato a un input, più importante è il valore di tale input. I pesi possono essere negativi, il che significa che l'input può inibire, anziché favorire, un risultato specifico.

Livello di output: I neuroni di output rappresentano valori di attributo stimabili per il modello di data mining.

Per una spiegazione dettagliata del modo in cui i livelli di input, nascosti e di output vengono costruiti e assegnati punteggi, vedere Microsoft Neural Network Algorithm Technical Reference (Informazioni tecniche sull'algoritmo Microsoft Neural Network).

Dati necessari per i modelli di rete neurale

Un modello di rete neurale deve contenere una colonna chiave, una o più colonne di input e una o più colonne stimabili.

I modelli di data mining che usano l'algoritmo Microsoft Neural Network sono fortemente influenzati dai valori specificati per i parametri disponibili per l'algoritmo. I parametri definiscono il modo in cui vengono campionati i dati, il modo in cui i dati vengono distribuiti o devono essere distribuiti in ogni colonna e quando viene richiamata la selezione delle funzionalità per limitare i valori usati nel modello finale.

Per altre informazioni sull'impostazione dei parametri per personalizzare il comportamento del modello, vedere Documentazione tecnica sull'algoritmo Microsoft Neural Network.

Visualizzazione di un modello di rete neurale

Per usare i dati e vedere in che modo il modello correla gli input con gli output, è possibile usare Microsoft Neural Network Viewer. Con questo visualizzatore personalizzato, è possibile filtrare in base agli attributi di input e ai relativi valori e visualizzare grafici che mostrano come influiscono sugli output. Le descrizioni comando nel visualizzatore mostrano la probabilità e l'incremento associati a ogni coppia di valori di input e output. Per ulteriori informazioni, consultare Visualizzare un modello utilizzando Microsoft Neural Network Viewer.

Il modo più semplice per esplorare la struttura del modello consiste nell'usare Microsoft Generic Content Tree Viewer. È possibile visualizzare gli input, gli output e le reti create dal modello e fare clic su qualsiasi nodo per espanderlo e visualizzare le statistiche correlate ai nodi di input, output o livello nascosto. Per altre informazioni, vedere Esplorare un modello usando microsoft Generic Content Tree Viewer.

Creazione di stime

Dopo l'elaborazione del modello, è possibile usare la rete e i pesi archiviati all'interno di ogni nodo per eseguire stime. Un modello di rete neurale supporta l'analisi di regressione, associazione e classificazione, pertanto il significato di ogni stima potrebbe essere diverso. È anche possibile eseguire query sul modello stesso per esaminare le correlazioni trovate e recuperare le statistiche correlate. Per esempi di come creare query su un modello di rete neurale, vedere Esempi di query sul modello di rete neurale.

Per informazioni generali su come creare una query su un modello di data mining, vedere Query di data mining.

Osservazioni:

• Non supporta il drill-through o le dimensioni di data mining. Ciò è dovuto al fatto che la struttura dei nodi nel modello di data mining non corrisponde necessariamente direttamente ai dati sottostanti.

• Non supporta la creazione di modelli in formato PMML (Predictive Model Markup Language).

• Supporta l'uso di modelli di data mining OLAP.

• Non supporta la creazione di dimensioni per l'analisi dei dati.

Vedere anche

Riferimento tecnico per l'algoritmo Microsoft Neural Network
Contenuti dei modelli di data mining per i modelli di rete neurale (Analysis Services - Data Mining)
Esempi di query sul modello di rete neurale
Algoritmo di Regressione Logistica Microsoft