Algorytm neuronowe sieci Microsoft
In SQL Server Usługi Analysis Services, the Microsoft Neural Network algorithm combines each possible state of the input attribute with each possible state of the predictable attribute, and uses the training data to calculate probabilities.Później można użyć tych prawdopodobieństwa dla klasyfikacji lub regresja i przewidywania wyniku przewidywane atrybut, na podstawie atrybut wejściowego.
model wyszukiwania zbudowane z Microsoft sieci neuronowe algorytm może zawierać wiele sieci, w zależności od liczby kolumn są używane do wprowadzania i przewidywanie, lub są używane tylko do przewidywanie.Numer sieci, pojedyncze model wyszukiwania zawiera zależy od liczby Państw, które są zawarte w wejściowy kolumn i kolumn przewidywalny, model wyszukiwania używa.
Przykład
Microsoft Sieci neuronowe algorytm jest przydatne podczas analizowania złożone dane wejściowe, takie jak z procesem produkcyjnym lub handlowych lub problemów przedsiębiorstw, dla których znaczne ilości danych szkolenia jest dostępna, ale której reguły nie można łatwo uzyskane przy użyciu innych algorytmów.
Zalecane scenariusze korzystania z Microsoft sieci neuronowe algorytm obejmują następujące:
Analiza marketingu i promocji, takich jak mierzenie powodzenia promocji direct mail lub kampanii reklamowej radiowych.
Przewidywaniu przepływu zapasów, wahań waluty lub inne informacje finansowe wysoce płynu z danych historycznych.
Analizowanie procesów wytwarzania i przemysłowej.
Górnictwo tekstu.
Każdy model przewidywanie analizuje złożone relacje między wiele wejść i wyjść stosunkowo mniej.
Jak działa algorytm
Microsoft Sieci neuronowe algorytm tworzy sieć, która składa się z maksymalnie trzy warstwy neurons.Te warstwy są wprowadzania warstwy, opcjonalne warstwy ukryte i warstwy wyjściowego.
**Warstwa wejściowe:**Neurons wprowadzania zdefiniować wszystkie wartości atrybutu wprowadzania danych model wyszukiwania, a ich prawdopodobieństwa.
Warstwy ukryte: Neurons ukryte odbierać dane wejściowe z wprowadzania neurons i zapewniają wyjść do wyprowadzenia neurons.Warstwy ukryte jest gdzie prawdopodobieństwa różnych nakładów są przypisywane wagi.Waga opisuje przydatności lub znaczenie szczególne dane wejściowe do neuron ukryte.Im większa jest wagą przypisaną do wprowadzania bardziej ważne wartości dane wejściowe.Wagi mogą być ujemne, co oznacza, że dane wejściowe można powstrzymanie zamiast preferować pełni określony wynik.
**Warstwa danych wyjściowych:**Neurons wyjścia reprezentują wartości atrybut przewidywalne danych model wyszukiwania.
Szczegółowe wyjaśnienie sposobu warstwy wejściowe, ukryte i wyjściowe są zbudowane i ocenione, zobacz Microsoft techniczne sieci neuronowe algorytmu.
Dane wymagane dla modeli sieci neuronowe
Model sieci neuronowe musi zawierać kolumna klucz, jedną lub więcej kolumn danych wejściowych i jednego lub więcej kolumn przewidywalne.
Wyszukiwania danych modeli używające Microsoft sieci neuronowe algorytm są silnie wpływem wartości określające parametry, które są dostępne dla algorytmu.Definiowanie parametrów jak próbkowane są dane, jak rozproszonych danych lub oczekiwano rozpowszechniane w każdym kolumna, i gdy wybór funkcji jest wywoływany ograniczenie wartości, które są używane w końcowym modelu.
Aby uzyskać więcej informacji dotyczących ustawiania parametrów, aby dostosować zachowanie modelu, zobacz Microsoft techniczne sieci neuronowe algorytmu.
Wyświetlanie modelu sieci neuronowe
Aby pracować z danymi i zobacz, jak skorelowany jest model danych wejściowych z wyjść, można użyć Neuronowe podglądu sieci Microsoft.Tej niestandardowe Viewer można filtrować w wejściowy atrybutów i ich wartości i zobacz wykresy, pokazujące ich wpływ na wydajność.Etykietki narzędzi w podglądzie Pokaż prawdopodobieństwa i skojarzone z każdej pary wartości wejściowe i wyjściowe dźwigu.Aby uzyskać więcej informacji, zobacz Wyświetlanie modelu górnictwo z Microsoft podglądu sieci neuronowe.
Najprostszym sposobem eksplorować struktury modelu jest użycie Ogólnej zawartości drzewa Podgląd programu Microsoft.Można wyświetlić nakładów, wyników oraz sieci utworzone przez model, a następnie kliknij w dowolnym węźle, aby go rozwinąć i zobaczyć statystyk związanych z wejścia, wyjścia lub warstwy ukryte węzły.Aby uzyskać więcej informacji, zobacz Wyświetlanie szczegółów modelu z podglądem drzewa zawartości Microsoft Generic.
Tworzenie prognoz
Po przetworzeniu modelu można używać sieci i wagi, przechowywane w każdym węźle dokonać prognoz.Model sieci neuronowe obsługuje analizę regresja, stowarzyszenia i klasyfikacji, dlatego znaczenie każdego przewidywanie mogą być różne.Można również sprawdzać model, sam przejrzeć korelacji, które można odnaleźć i pobrać statystyk powiązanych.Zobacz przykłady sposobów tworzenia kwerend model sieci neuronowe, Badanie modelu sieci neuronowe (Analysis Services-wyszukiwania danych).
Aby uzyskać ogólne informacje o tworzeniu kwerendy danych w model wyszukiwania, zobacz Badanie modeli wyszukiwania danych (Analysis Services - wyszukiwania danych).
Uwagi
Nie obsługuje przeglądanie szczegółowe lub wymiary wyszukiwania danych.Wynika to z strukturze węzłów w model wyszukiwania nie musi odpowiadać bezpośrednio w danych Yródłowych.
Nie obsługuje tworzenia modeli w formacie przewidywanych modelu Markup Language (PMML).
Obsługuje korzystanie z modeli wyszukiwania OLAP.
Nie obsługuje tworzenia wymiary wyszukiwanie danych.