Udostępnij za pośrednictwem

  • Artykuł

Poznawanie Naive modelu Bayes (samouczek podstawowego wyszukiwanie danych)

The Microsoft Naive Bayes algorithm provides several methods for displaying the interaction between bike buying and the input attributes.

The Microsoft Naive Bayes Viewer provides the following tabs for use in exploring Naive Bayes mining models:

Dependency Network

Attribute Profiles

Attribute Characteristics

Attribute Discrimination

W poniższych sekcjach opisano sposób poznać inne modele wyszukiwania.

Zależność sieci

The Dependency Network tab works in the same way as the Dependency Network tab for the Microsoft Tree Viewer.Każdy węzeł w podglądzie reprezentuje atrybut, a wiersze między węzłami reprezentują relacji.W przeglądarce można wyświetlić wszystkie atrybuty, które mają wpływ na stan atrybut przewidywalny, Bike kupującego.

Aby poznać modelu w karcie sieciowej zależność

  1. Użycie model wyszukiwania listy u góry model wyszukiwania Podgląd kartę, aby przełączyć się do TM_NaiveBayes modelu.

  2. Użycie Podgląd listy, aby przełączyć się do Podgląd Bayes Naive firmy Microsoft.

  3. Kliknij przycisk Rower kupujących węzeł do identyfikacji jego zależności.

    Różowa cieniowania oznacza, że wszystkie atrybuty ma wpływ na zakup rowerów.

  4. Ustaw suwak, aby zidentyfikować najbardziej wpływowym atrybut.

    Jak obniżyć suwaka, są tylko te atrybuty, które mają największy wpływ na kolumnie [Bike Buyer].Dopasowując suwak odnajdowanie czy niektóre z najbardziej wpływowym atrybuty są: liczba samochodów własność, commute odległości i całkowita liczba elementów podrzędnych.

Powrót do początku

Profile atrybut

The atrybut Profiles tab describes how different states of the input attributes affect the outcome of the predictable atrybut.

Aby poznać modelu w karcie Profile atrybut

  1. W Przewidywalne pola, sprawdź, że Rower kupujących jest zaznaczone.

  2. Jeśli Legenda wyszukiwania blokuje wyświetlanie Atrybut profilów, przenieś je z drogi.

  3. W Histogram pole wybierz pasków5.

    W naszym modelu 5 jest maksymalna liczba stanów dla dowolnej zmiennej jeden.

    Atrybuty, które mają wpływ na stan tego atrybut przewidywalne są wyświetlane wraz z wartościami każdego stanu w wejściowym atrybut i ich dystrybucji w każdego stanu przewidywalne atrybut.

  4. W Atrybuty Znajdowanie kolumnieLiczba samochodów posiadane.Zauważyć różnice w histogramy dla kupujących roweru (kolumna o etykiecie 1) i innych niż nabywcy (kolumna o etykiecie 0).Osoba posiadająca samochodu zero lub jeden jest znacznie bardziej prawdopodobne, że kupują rowerów.

  5. Kliknij dwukrotnie Liczba samochodów posiadane komórka kupujący roweru kolumna (kolumna etykietą 1).

    The Mining Legend displays a more detailed view.

Powrót do początku

Właściwości atrybut

Z Właściwości atrybut karcie można wybrać z atrybut i wartości, aby sprawdzić, jak często wartości dla innych atrybut są wyświetlane w przypadku wybranej wartości.

Aby poznać modelu na karcie właściwości atrybut

  1. W Atrybut listy, zweryfikuj, że Rower kupujących jest zaznaczone.

  2. Ustawianie Wartość to 1.

    W przeglądarce pojawi się, że klienci, którzy nie dzieci w Główny, commutes krótkie i mieszkać w Ameryce Północnej mogą kupić rowerów.

Powrót do początku

Atrybut dyskryminacji

Z Atrybut dyskryminacji karcie można zbadać relację między dwiema wartościami discrete roweru zakupu i innych wartości atrybutu.Ponieważ TM_NaiveBayes model ma tylko dwa stany, 1 lub 0, nie trzeba wprowadzać żadnych zmian w oknie podglądu.

W przeglądarce można zobaczyć, że osoby, które nie jest właścicielem samochodów mają tendencję do zakupu rowerów, a także osób, które własnych samochodów dwóch zwykle nie kupić rowerów.