Algorytm neuronowe sieci firmy Microsoft
In SQL Server 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 prawdopodobieństw, klasyfikacji lub regresja, a do przewidywania wyniku przewidywane atrybut, na podstawie danych wejściowych atrybutów.
Model wyszukiwania, który jest zbudowany z Microsoft Algorytm neuronowe sieci może zawierać wiele sieci, w zależności od liczby kolumn, które są używane dla danych wejściowych i przewidywanie lub które są używane tylko do przewidywanie. Numer sieci, które zawiera model pojedynczego wyszukiwania zależy od liczby stanów, które znajdują się według kolumn danych wejściowych i przewidywalny kolumny, które korzysta z model wyszukiwania.
Przykład
The Microsoft Neural Network algorithm is useful for analyzing complex input data, such as from a manufacturing or commercial process, or business problems for which a significant quantity of training data is available but for which rules cannot be easily derived by using other algorithms.
Zalecane scenariusze dotyczące korzystania z Microsoft Algorytm neuronowe sieci należą:
Obrót i promocji analizie, na przykład mierzenie powodzenia promocji direct mail lub reklam radia kampanii.
Przewidywana przepływu zapasów, wahań waluty lub inne informacje finansowe wysoce płynne z danych historycznych.
Analizowanie produkcji i procesów przemysłowych.
Tekst wyszukiwania.
Każdy model przewidywanie analizuje złożone relacje między liczbę wejść i wyjść stosunkowo mniejszą liczbę.
Jak działa algorytmu
The Microsoft Neural Network algorithm creates a network that is composed of up to three layers of neurons.Te warstwy są warstwę wejściowego, warstwę ukryte opcjonalne i warstwę danych wyjściowych.
Warstwa danych wejściowych: Wejściowy neurons zdefiniowanie wartości wejściowe atrybut model wyszukiwanie danych i ich prawdopodobieństw.
Ukrytej warstwie: Ukryte neurons odbierać dane wejściowe z wejściowych neurons i zapewniają wyjść do wyprowadzenia neurons.Ukrytej warstwie jest różnych prawdopodobieństw wejść są przypisywane wagi.Waga opisuje istotności lub znaczenie poszczególnych dane wejściowe do neuron ukryte.Im większa jest waga przypisana do danych wejściowych, co ważniejsze wartość tego dane wejściowe.Wagi może być ujemne, co oznacza, że dane wejściowe mogą wstrzymywania, zamiast preferować określony wynik.
Warstwa danych wyjściowych: Dane wyjściowe neurons reprezentują wartości atrybut przewidywalne dla modeli wyszukiwanie danych.
Szczegółowy opis sposobu warstwy wejściowe, ukryte i wyjściowe są zbudowane i, zobacz Microsoft Network neuronowe algorytm informacje techniczne.
Dane wymagane dla neuronowe modele sieci
Model sieci neuronowe musi zawierać kolumnę klucz, co najmniej jedna kolumna danych wejściowych i jednego lub kilku przewidywalne kolumny.
Użycie tego modeli wyszukiwanie danych Microsoft Algorytm neuronowe sieci są silnie wpływ wartości, które można określić dla parametrów, które są dostępne dla algorytmu. Parametry definiują sposób pobrane dane, jak dane są rozpowszechniane lub oczekiwano rozpowszechniane w każdej kolumnie i kiedy zaznaczenia funkcji jest wywoływany do ograniczenia wartości, które są używane w końcowym modelu.
Aby uzyskać więcej informacji o ustawianiu parametrów, aby dostosować zachowanie modelu zobacz Microsoft Network neuronowe algorytm informacje techniczne.
Wyświetlanie modelu neuronowe sieci
Aby pracować z danymi i zobaczyć, jak model całkowicie z wyjść skorelowany danych wejściowych, można użyć Microsoft neuronowe podglądu sieci.Z tej niestandardowej przeglądarki filtrowanie według danych wejściowych atrybutów i ich wartości i zobacz wykresy, pokazujące, w jaki sposób wpływają one na wyjść.Etykietki narzędzi w przeglądarce wyświetlić prawdopodobieństwa i dźwigu skojarzonych z każdej pary wartości wejściowych i wyjściowych.Aby uzyskać więcej informacji zobaczWyświetlanie model wyszukiwania z programem Microsoft neuronowe podglądu sieci.
Najprostszym sposobem Eksploruj struktury modelu jest użycie Podgląd zawartości drzewa rodzajowa firmy Microsoft.Umożliwia wyświetlanie wejść, wyjść i sieci utworzony za pomocą modelu i kliknij w dowolnym węźle, aby go rozwinąć i zobaczyć statystyk związanych z wejścia, wyjścia lub węzły ukrytej warstwie.Aby uzyskać więcej informacji zobaczWyświetlanie szczegółowe informacje o modelu z podglądem drzewa zawartości rodzajowa firmy Microsoft.
Tworzenie prognoz
Po przetworzeniu modelu można użyć w sieci i wagi, przechowywane w każdym węźle dokonać prognoz.Model sieci neuronowe obsługuje analizę regresja, skojarzenia i klasyfikacji, dlatego znaczenia każdego przewidywanie może być różna.Można również wysyłać kwerendy modelu siebie, aby przejrzeć korelacji, które zostały znalezione i pobrać statystyk powiązanych.Aby zapoznać się z przykładami sposobu tworzenia kwerend względem modelu neuronowe sieci Zobacz Podczas badania modelu neuronowe sieci (Analysis Services-wyszukiwanie danych).
Aby uzyskać ogólne informacje na temat jak utworzyć kwerendę wyszukiwanie danych modelu, zobacz Podczas badania modeli wyszukiwania danych (Analysis Services — wyszukiwanie danych).
Uwagi
Nie obsługuje przeglądanie szczegółowe lub wyszukiwanie danych wymiarów.Dzieje się tak, ponieważ struktura węzłów w model wyszukiwania musi być nie odpowiada bezpośrednio na danych źródłowych.
Nie obsługuje tworzenia modeli w formacie PMML (przewidywanego modelu Markup Language).
Obsługuje korzystanie z modeli wyszukiwania OLAP.
Nie obsługuje tworzenia wymiary wyszukiwanie danych.
See Also