SQL Server Analysis Services では、Microsoft ニューラル ネットワーク アルゴリズムは、入力属性の可能な各状態を予測可能な属性の可能な各状態と結合し、トレーニング データを使用して確率を計算します。 これらの確率は、後で分類または回帰に使用し、入力属性に基づいて予測された属性の結果を予測するために使用できます。
Microsoft ニューラル ネットワーク アルゴリズムを使用して構築されたマイニング モデルには、入力と予測の両方に使用される列の数、または予測にのみ使用される列の数に応じて、複数のネットワークを含めることができます。 1 つのマイニング モデルに含まれるネットワークの数は、入力列に含まれる状態の数と、マイニング モデルが使用する予測可能な列によって異なります。
例
Microsoft ニューラル ネットワーク アルゴリズムは、製造や商業プロセスなどの複雑な入力データや、大量のトレーニング データを利用できるが、他のアルゴリズムを使用してルールを簡単に派生できないビジネス上の問題を分析する場合に役立ちます。
Microsoft ニューラル ネットワーク アルゴリズムを使用する場合に推奨されるシナリオは次のとおりです。
ダイレクト メールプロモーションやラジオ広告キャンペーンの成功を測定するなどのマーケティングおよびプロモーション分析。
履歴データから、株式移動、通貨変動、またはその他の高度に流動的な財務情報を予測します。
製造および産業プロセスの分析。
テキスト マイニング。
多くの入力と比較的少ない出力の間の複雑な関係を分析する予測モデル。
アルゴリズムのしくみ
Microsoft ニューラル ネットワーク アルゴリズムは、最大 3 つのニューロン層で構成されるネットワークを作成します。 これらのレイヤーは、入力レイヤー、オプションの非表示レイヤー、および出力レイヤーです。
入力レイヤー: 入力ニューロンは、データ マイニング モデルのすべての入力属性値とその確率を定義します。
非表示レイヤー: 非表示ニューロンは入力ニューロンから入力を受け取り、出力ニューロンに出力を提供します。 非表示レイヤーでは、入力のさまざまな確率に重みが割り当てられます。 重みは、非表示のニューロンに対する特定の入力の関連性または重要性を表します。 入力に割り当てられる重みが大きいほど、その入力の値が重要になります。 重みは負の値になる可能性があります。つまり、入力によって特定の結果が優先されるのではなく、抑制される可能性があります。
出力レイヤー: 出力ニューロンは、データ マイニング モデルの予測可能な属性値を表します。
入力、非表示、および出力レイヤーの構築とスコア付けの詳細については、「 Microsoft ニューラル ネットワーク アルゴリズムテクニカル リファレンス」を参照してください。
ニューラル ネットワーク モデルに必要なデータ
ニューラル ネットワーク モデルには、キー列、1 つ以上の入力列、および 1 つ以上の予測可能な列が含まれている必要があります。
Microsoft ニューラル ネットワーク アルゴリズムを使用するデータ マイニング モデルは、アルゴリズムで使用できるパラメーターに指定した値の影響を大きく受けます。 パラメーターは、データのサンプリング方法、各列でのデータの分散方法または分散が予想される方法、および最終的なモデルで使用される値を制限するために特徴選択を呼び出すタイミングを定義します。
モデルの動作をカスタマイズするためのパラメーターの設定の詳細については、「 Microsoft ニューラル ネットワーク アルゴリズムテクニカル リファレンス」を参照してください。
ニューラル ネットワーク モデルの表示
データを操作し、モデルが入力と出力をどのように関連付けるかを確認するには、 Microsoft ニューラル ネットワーク ビューアーを使用できます。 このカスタム ビューアーを使用すると、入力属性とその値をフィルター処理し、出力に与える影響を示すグラフを表示できます。 ビューアーのツールヒントには、入力値と出力値の各ペアに関連付けられている確率とリフトが表示されます。 詳細については、「 Microsoft ニューラル ネットワーク ビューアーを使用したモデルの参照」を参照してください。
モデルの構造を調べる最も簡単な方法は、 Microsoft 汎用コンテンツ ツリー ビューアーを使用することです。 モデルによって作成された入力、出力、ネットワークを表示し、任意のノードをクリックして展開し、入力、出力、または非表示のレイヤー ノードに関連する統計情報を表示できます。 詳細については、「 Microsoft 汎用コンテンツ ツリー ビューアーを使用したモデルの参照」を参照してください。
予測の作成
モデルが処理されたら、ネットワークと各ノード内に格納されている重みを使用して予測を行うことができます。 ニューラル ネットワーク モデルでは回帰、関連付け、分類の分析がサポートされているため、各予測の意味が異なる場合があります。 また、モデル自体にクエリを実行して、検出された相関関係を確認し、関連する統計を取得することもできます。 ニューラル ネットワーク モデルに対してクエリを作成する方法の例については、「 ニューラル ネットワーク モデルクエリの例」を参照してください。
データ マイニング モデルに対してクエリを作成する方法の一般的な情報については、「 データ マイニング クエリ」を参照してください。
注釈
ドリルスルー ディメンションやデータ マイニング ディメンションをサポートしていません。 これは、マイニング モデル内のノードの構造が、必ずしも基になるデータに直接対応しているとは限らないためです。
予測モデル マークアップ言語 (PMML) 形式でのモデルの作成はサポートされていません。
OLAP マイニング モデルの使用をサポートします。
データ マイニング ディメンションの作成はサポートされていません。
こちらもご覧ください
Microsoft ニューラル ネットワーク アルゴリズムテクニカル リファレンス
ニューラル ネットワーク モデルのマイニング モデル コンテンツ (Analysis Services - データ マイニング)
ニューラル ネットワーク モデルクエリの例
Microsoft ロジスティック回帰アルゴリズム