Poznawanie modelu drzewo decyzyjne (podstawowe wyszukiwanie danych samouczek)
The Microsoft Decision Trees algorithm predicts which columns influence the decision to purchase a bike based upon the remaining columns in the training zestaw.
The Microsoft drzewo decyzyjne Viewer provides the following tabs for use in exploring drzewo decyzyjne mining models:
drzewo decyzyjne
Zależność sieci
W poniższych sekcjach opisano sposób zaznacz odpowiednią przeglądarkę i Poznaj inne modele wyszukiwania.
Karta drzewo decyzyjne
Na drzewo decyzyjne kartę, można sprawdzić wszystkie modele drzewa wchodzące w skład model wyszukiwania.
Ponieważ docelowy model korespondencji w tym projekcie samouczka zawiera tylko jeden przewidywalne atrybut, nabywca Bike występuje tylko jeden drzewa do wyświetlania.Jeśli było więcej drzew, można użyć Drzewa pole, aby wybrać inne drzewo.
Przeglądanie TM_Decision_Tree modelu w drzewo decyzyjne podglądu wykaże, że wiek jest pojedynczy najważniejszym czynnikiem w przewidywaniu kupowanie rowerów.Interestingly po klientów są grupowane według wieku, następnego gałęzi drzewa jest inny dla każdego węzła wieku.Przez kartę algorytm badania firma Microsoft może zawierać czy nabywców wieku 34-40 z jednego lub samochodów są najprawdopodobniej do zakupu roweru i pojedynczego, wcześniejsze klientów, którzy mieszkać w Pacyfiku i mieć jeden lub samochodów są również najprawdopodobniej do zakupu rowerów.
Aby poznać modelu na karcie drzewo decyzyjne
Wybierz Podgląd górnictwie modelu tab in Projektant wyszukiwanie danych.
Domyślnie Projektant otwierany do pierwszego modelu, który został dodany do struktury — w tym przypadek TM_Decision_Tree.
Aby dopasować rozmiar wyświetlania drzewa za pomocą przycisków lupy.
Domyślnie Microsoft Podgląd drzewa pokazuje tylko pierwszych trzech poziomach drzewa. Jeśli drzewo zawiera mniej niż trzy poziomy, przeglądarka pokazuje tylko istniejące poziomy.Więcej poziomów, można wyświetlić przy użyciu Pokaż poziom suwak lub Domyślne rozszerzenie listy.
Slajd Pokaż poziom czwarty paska.
Zmiana Tło value to 1.
Zmieniając Tło , można szybko wyświetlić liczbę przypadków, w każdym węźle, których wartości miejsce docelowe 1 dla [Bike Buyer]. Należy pamiętać, że przypadek tego scenariusza, każdorazowo reprezentuje klienta.Wartość 1 wskazuje, że klient wcześniej zakupił rower; wartość 0 wskazuje klienta nie zakupiła rowerów.Ciemniejszy cieniowanie węzła, im większa jest wartość procentowa w węźle sprawy, które ma wartość docelową.
Umieść kursor nad węzłem etykietą Wszystkie.Wskazówka wyświetli następujące informacje:
Całkowita liczba przypadków
Liczba przypadków nabywca nie roweru
Liczba przypadków kupujący roweru
Liczba przypadków z brakujących wartości [Bike Buyer]
Ewentualnie umieść kursor nad dowolny węzeł w drzewie, aby sprawdzić warunek, który jest wymagany do osiągnięcia tego węzła z węzła, który znajduje się przed nim.Można także wyświetlić tych informacji w Legenda wyszukiwania.
Kliknij węzeł dla Okres ważności >= 34 i < 41. Histogram jest wyświetlany jako cienka poziomy pasek w węźle i oznacza rozkład z tego zakres wiek klientów, którzy wcześniej została (różowy) i nie określa zakupu (niebieski), a rowerów.Przeglądarka pokazuje nam klientów między wieku 34 i 40 z jednego lub samochodów i prawdopodobnie do zakupu rowerów.Zabierz jeden krok dalej, uważamy, prawdopodobieństwo do zakupu roweru wzrasta, jeśli odbiorca jest faktycznie wieku 38 do 40.
Ponieważ przeglądanie szczegółowe jest włączona, podczas tworzenia struktury i modelu, można pobrać szczegółowe informacje z przypadkach modelu i struktura wyszukiwania, łącznie z tych kolumn, które nie zostały uwzględnione w model wyszukiwania (np., emailAddress, imię).
Aby uzyskać więcej informacji zobaczZa pomocą przeglądanie szczegółowe modele wyszukiwania i struktury wyszukiwania (Analysis Services — wyszukiwanie danych).
Do drążenia wskroś danych przypadek
Kliknij prawym przyciskiem myszy węzeł, a następnie zaznacz Drążenie wskroś then Tylko kolumny modelu.
Szczegóły dla każdej szkolenia przypadek są wyświetlane w formacie arkusza kalkulacyjnego.Informacje te pochodzą z widoku vTargetMail wybrane jako tabela uwzględniana podczas tworzenia struktura wyszukiwania.
Kliknij prawym przyciskiem myszy węzeł, a następnie zaznacz Drążenie wskroś then Model i struktura kolumny.
Ten sam arkusz kalkulacyjny wyświetla z kolumnami struktury na końcu.
Powrót do początku
Karta sieciowa zależności
The Dependency Network tab displays the relationships between the attributes that contribute to the predictive ability of the model wyszukiwania.Przeglądarka sieci zależność wzmacnia naszych ustalenia, czy okres ważności i region są ważne czynniki przy prognozowaniu szacunkowej kupowanie rowerów.
Aby poznać modelu w karcie sieciowej zależność
Kliknij przycisk Rower kupujących węzeł do identyfikacji jego zależności.
Węzeł środka sieci zależności Rower kupujących, reprezentuje przewidywalne atrybut w model wyszukiwania.Różowa cieniowania oznacza, że wszystkie atrybuty ma wpływ na zakup rowerów.
Dopasuj Wszystkie łącza suwak, aby zidentyfikować najbardziej wpływowym atrybut.
Jak obniżyć suwaka, są tylko te atrybuty, które mają największy wpływ na kolumnie [Bike Buyer].Dopasowując suwak odnajdywania są największe czynniki przy prognozowaniu szacunkowej czy ktoś jest kupujący roweru wieku i region.
Keyboard Shortcuts in Reporting Services
Poznawanie modelu klastrowanie (samouczek podstawowego wyszukiwanie danych)