Esplorazione del modello Naive Bayes (esercitazione di base sul data mining)

L'algoritmo Microsoft Naive Bayes fornisce diversi metodi per visualizzare l'interazione tra l'acquisto di biciclette e gli attributi di input.

Il Visualizzatore Microsoft Naive Bayes include le schede seguenti da usare per esplorare i modelli di data mining Naive Bayes:

Rete di dipendenze

La scheda Rete dipendenze funziona allo stesso modo della scheda Rete di dipendenze per Microsoft Tree Viewer. Ogni nodo nel visualizzatore rappresenta un attributo e le linee tra i nodi rappresentano le relazioni. Nel visualizzatore è possibile visualizzare tutti gli attributi che influiscono sullo stato dell'attributo stimabile Bike Buyer.

Per esplorare il modello nella scheda Rete di dipendenze

1. Utilizzare l'elenco Modello di data mining nella parte superiore della scheda Visualizzatore Modello di data mining per passare al modello TM_NaiveBayes.

2. Usare l'elenco Visualizzatore per passare a Visualizzatore Microsoft Naive Bayes.

3. Fare clic sul Bike Buyer nodo per identificare le relative dipendenze.

   L'ombreggiatura rosa indica che tutti gli attributi hanno un effetto sull'acquisto di biciclette.

4. Regolare il cursore per identificare l'attributo più influente.

   Mentre abbassi il cursore, rimangono solo gli attributi che hanno il massimo effetto sulla colonna [Bike Buyer]. Regolando il dispositivo di scorrimento, è possibile scoprire che alcuni degli attributi più influenti sono: numero di automobili di proprietà, distanza pendolare e numero totale di bambini.

Profili attributo

La scheda Profili attributo descrive in che modo diversi stati degli attributi di input influiscono sul risultato dell'attributo stimabile.

Per esplorare il modello nella scheda Profili attributi

1. Nella casella Prevedibile, verificare che Bike Buyer sia selezionata.

2. Se il Mining Legend blocca la visualizzazione dei profili degli attributi, spostarlo all'esterno.

3. Nella casella Istogrammi selezionare 5.

   Nel modello 5 è il numero massimo di stati per una variabile.

   Gli attributi che influiscono sullo stato di questo attributo stimabile vengono elencati insieme ai valori di ogni stato degli attributi di input e alle relative distribuzioni in ogni stato dell'attributo stimabile.

4. Nella colonna Attributi trovare Numero automobili di proprietà. Si notino le differenze negli istogrammi per gli acquirenti di biciclette (colonna con etichetta 1) e non acquirenti (colonna con etichetta 0). È molto più probabile che una persona con zero o una auto acquisti una bicicletta.

5. Fare doppio clic sulla cella Numero automobili di proprietà (Number Cars Owned) nella colonna dell'acquirente di biciclette (colonna con etichetta 1).

   La Legenda Mining offre una vista più dettagliata.

Caratteristiche dell'attributo

Con la scheda Caratteristiche attributo è possibile selezionare un attributo e un valore per visualizzare la frequenza con cui vengono visualizzati i valori per altri attributi nei case dei valori selezionati.

Per esplorare il modello nella scheda Caratteristiche attributo

1. Nell'elenco Attributo verificare che Bike Buyer sia selezionato.

2. Impostare Valore su 1.

   Nel visualizzatore si noterà che i clienti che non hanno figli a casa, brevi pendolari e vivono nella regione America del Nord hanno più probabilità di acquistare una bicicletta.

Discriminazione degli attributi

Con la scheda Discriminazione tra attributi è possibile analizzare la relazione tra due valori discreti di acquisto di biciclette e altri valori di attributo. Poiché il TM_NaiveBayes modello ha solo due stati, 1 e 0, non è necessario apportare modifiche al visualizzatore.

Nel visualizzatore si può vedere che le persone che non possiedono auto tendono a comprare biciclette, e le persone che possiedono due auto tendono a non comprare biciclette.

Attività correlate

Vedere gli argomenti seguenti per esplorare gli altri modelli di data mining.

• Esplorazione del modello decision tree (esercitazione di base sul data mining)

• Esplorazione del modello di clustering (esercitazione di base sul data mining)

Lezione successiva

Lezione 5: Test di modelli (esercitazione di base sul data mining)

Compito precedente nella lezione

Esplorazione del modello di clustering (esercitazione di base sul data mining)

Vedere anche

Esplorare un modello usando il visualizzatore Microsoft Naive Bayes
Scheda di Discriminazione Attributi (Visualizzatore dei modelli di data mining)
Scheda Profili di attributi (Visualizzatore modelli di data mining)
Scheda delle caratteristiche dell'attributo (Visualizzatore modelli di data mining)
Scheda Rete delle Dipendenze (Visualizzatore di Modelli di Data Mining)