Naive Bayes モデルの探索 (基本的なデータマイニングチュートリアル)

Microsoft Naive Bayes アルゴリズムには、自転車購入と入力属性の間の相互作用を表示するためのいくつかの方法が用意されています。

Microsoft Naive Bayes Viewer には、Naive Bayes マイニングモデルの探索に使用するための次のタブが用意されています。

依存関係ネットワーク

[依存関係ネットワーク] タブは、Microsoft ツリービューアーの [依存関係ネットワーク] タブと同じように機能します。ビューアー内の各ノードは属性を表し、ノード間の線はリレーションシップを表します。ビューアーでは、予測可能な属性 Bike Buyer の状態に影響するすべての属性を表示できます。

[依存関係ネットワーク] タブでモデルを探索するには

[ マイニングモデル ビューアー] タブの上部にある [マイニングモデル ] リストを使用して、 TM_NaiveBayes モデルに切り替えます。
[ビューアー] リストを使用して、Microsoft Naive Bayes Viewer に切り替えます。
Bike Buyer ノードをクリックして、その依存関係を識別します。

ピンクの色付けは、すべての属性が自転車の購入に影響を与えることを示します。
スライダーを調整して、最も影響力のある属性を特定します。

スライダーを下げると、[Bike Buyer] 列に最も大きな影響を与える属性のみが残ります。スライダーを調整すると、最も影響力のある属性として、所有している車の数、通勤距離、子の合計数が含まれているのが分かっています。

属性プロファイル

[ 属性プロファイル ] タブでは、入力属性のさまざまな状態が予測可能な属性の結果にどのように影響するかを示します。

[属性プロファイル] タブでモデルを探索するには

[ 予測可能] ボックスで、 Bike Buyer が選択されていることを確認します。
マイニング凡例が属性プロファイルの表示をブロックしている場合は、それを移動させてください。
[ ヒストグラム バー] ボックスで、5 を選択します。

このモデルでは、5 は任意の 1 つの変数の状態の最大数です。

この予測可能な属性の状態に影響を与える属性は、入力属性の各状態の値と、予測可能な属性の各状態におけるそれらの分布と共に一覧表示されます。
属性列で、所有する車の数 を見つけます。自転車購入者 (1 というラベルが付いた列) と非購入者 (0 というラベルが付いた列) のヒストグラムの違いに注目してください。 0 台または 1 台の車を持つ人は、自転車を購入する可能性がはるかに高くなります。
自転車購入者の [ Number Cars Owned ] セル (1 というラベルが付いた列) をダブルクリックします。

[マイニング凡例] には、より詳細なビューが表示されます。

属性特性

[ 属性特性 ] タブでは、属性と値を選択して、選択した値ケースに他の属性の値が表示される頻度を確認できます。

[属性特性] タブでモデルを探索するには

[ 属性 ] リストで、 Bike Buyer が選択されていることを確認します。
値を 1 に設定します。

ビューアーでは、自宅に子供がいない、通勤時間が短い、北米地域に住んでいるお客様が自転車を購入する可能性が高いことがわかります。

属性の差別

[ 属性の識別 ] タブを使用すると、自転車購入の 2 つの不連続値と他の属性値との関係を調査できます。 TM_NaiveBayes モデルには 1 と 0 の 2 つの状態しかないため、ビューアーに変更を加える必要はありません。

視聴者には、車を所有していない人は自転車を買う傾向があり、2台の車を所有している人は自転車を買わない傾向があることがわかります。

他のマイニングモデルを調べるには、次のトピックを参照してください。

次のレッスン

レッスン 5: モデルのテスト (基本的なデータマイニングチュートリアル)

レッスンの前のタスク

クラスタリングモデルの探索 (基本的なデータマイニングチュートリアル)

こちらもご覧ください

Microsoft Naive Bayes Viewer を使用してモデルを参照する
 [属性の識別] タブ (マイニングモデルビューアー)
[属性プロファイル] タブ (マイニングモデルビューアー)
[属性の特性] タブ (マイニングモデルビューアー)
[依存関係ネットワーク] タブ (マイニングモデルビューアー)

Last updated on 2017-04-27