Condividi tramite

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

  • Articolo

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

Microsoft Naive Bayes Viewer fornisce le schede seguenti da usare per esplorare i modelli di data mining Naive Bayes:

Rete di dipendenze

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

Per esplorare il modello nella scheda Rete di dipendenze

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

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

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

    L'ombreggiatura rosa indica che tutti gli attributi influenzano l'acquisto di biciclette.

  4. Regolare il dispositivo di scorrimento per identificare l'attributo più influente.

    Spostando verso il basso il dispositivo di scorrimento rimangono visibili solo gli attributi che incidono maggiormente sulla colonna [Bike Buyer]. Se si sposta il dispositivo di scorrimento è possibile individuare che alcuni degli attributi più influenti sono il numero di automobili possedute, la distanza dal luogo di lavoro e il numero complessivo di figli.

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 attributo

  1. Nella casella Stimabile verificare che Bike Buyer sia selezionata.

  2. Se la legenda di data mining blocca la visualizzazione dei profili attributo, spostarla fuori dal modo.

  3. Nella casella Barre istogrammi selezionare 5.

    Nel modello utilizzato in questo esempio 5 è il numero massimo di stati per ogni singola variabile.

    Gli attributi che influiscono sullo stato di questo attributo stimabile vengono elencati in combinazione con i valori di ogni stato degli attributi di input e la loro distribuzione in ogni stato dell'attributo stimabile.

  4. Nella colonna Attributi trovare Number Cars Owned.In the Attributes column, find Number Cars Owned. Si notino le differenze negli istogrammi tra gli acquirenti di biciclette (la colonna con etichetta 1) e i non acquirenti (la colonna con etichetta 0). È molto più probabile che una bicicletta venga acquistata da una persona priva di automobili o che ne possiede una sola.

  5. Fare doppio clic sulla cella Number Cars Owned nella colonna bike buyer (colonna etichettata 1).

    La legenda di data mining visualizza una visualizzazione più dettagliata.

Caratteristiche attributo

Con la scheda Caratteristiche attributo è possibile selezionare un attributo e un valore per visualizzare la frequenza di visualizzazione dei valori per altri attributi nei casi di valore selezionati.

Per esplorare il modello nella scheda Caratteristiche attributo

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

  2. Impostare il valore su 1.

    Nel visualizzatore si osserverà che è più probabile che una bicicletta venga acquistata dai clienti senza figli, che abitano a breve distanza dal luogo di lavoro e che vivono nell'area dell'America del nord.

Analisi discriminante attributi

Con la scheda Discriminazione attributi è possibile analizzare la relazione tra due valori discreti dell'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 è possibile osservare che le persone che non possiedono un'automobile tendenzialmente acquistano biciclette, mentre le persone che possiedono due automobili in genere non ne acquistano.

Per esplorare gli altri modelli di data mining, vedere gli argomenti seguenti.

Lezione successiva

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

Attività precedente della lezione

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

Vedere anche

Visualizzare un modello utilizzando il Visualizzatore Microsoft Naive Bayes
Scheda Analisi discriminante attributi (Visualizzatore modello di data mining)
Scheda Profili attributo (Visualizzatore modello di data mining)
Scheda Caratteristiche attributo (Visualizzatore modello di data mining)
Scheda Rete di dipendenze (Visualizzatore modello di data mining)