Aracılığıyla paylaş

  • Makale

Microsoft Naive Bayes algoritması

The Microsoft Naive Bayes algorithm is a classification algorithm provided by Microsoft SQL Server Analysis Services for use in predictive modeling.Ad Naive Bayes algoritma Bayes teoremi kullanır, ancak varsa hesap bağımlılıklar almaz ve bu nedenle, varsayımları naive söylenir olgu türetir.

Bu algoritma dışında hesaplama daha yoğun olur. Microsoft algoritmaları ve bu nedenle hızlı giriş sütunlar ve öngörülebilir sütunlar arasındaki ilişkileri bulmaya madenciliği modelleri oluşturmak için yararlıdır. Bu algoritma, veri explorations başlangıç için kullanabilirsiniz ve sonra daha sonra sonuçlar başka algoritmalarıyla hesaplama daha güçlü ve daha doğru olan ek madenciliği modelleri oluşturmak için uygulayabilirsiniz.

Örnek

Devam eden bir promosyon stratejisini postalama fliers dışında tarafından olası müşterileri hedef pazarlama departmanı Adventure Works Cycle şirket vermiştir.Maliyetleri azaltmak için , bunlar fliers yalnızca yanıt olası olan bu müşterilere göndermek istiyorsunuz.Şirket bilgileri demografisi ve önceki posta yanıt ile ilgili bir veritabanında depolar.Bu verileri nasıl demografisi gibi yaş görmek için kullanmak istedikleri ve konumu, olası müşterilere kimin benzer özelliklere sahip kimin geçmişte şirketten satın aldığınız müşterileri karşılaştırarak yanıt için bir yükseltme, tahmin yardımcı olabilir.Özellikle, bir bisiklet alan müşterileri ve yok oldu Bu müşteriler arasındaki farkları görmek istiyorsunuz.

Kullanarak Microsoft Naive Bayes algoritması, pazarlama bölümüne hızla belirli bir müşteri profili için bir sonucunu tahmin etmek ve bu nedenle için fliers yanıt olasılıkla müşterilerdir belirleyebilirsiniz. Kullanarak Microsoft Naive Bayes Viewer'da Business Intelligence Development Studio, bunlar özellikle giriş hangi sütunların fliers olumlu yanıtlar katkıda görsel olarak da araştırabilirsiniz.

Karma algoritması'nasıl çalışır?

The Microsoft Naive Bayes algorithm calculates the probability of every state of each input column, given each possible state of the tahmin edilebilir sütun. Kullanabileceğiniz Microsoft Naive Bayes Viewer'da Business Intelligence Development Studio Aþaðýdaki grafikte gösterildiði gibi karma algoritması, durumları nasıl dağıtır görsel bir temsilini görmek için .

Naive bayes distribution of states

The Microsoft Naive Bayes Viewer lists each input column in the dataset, and shows how the states of each column are distributed, given each state of the tahmin edilebilir sütun. Bu görünüm, tahmin edilebilir sütun durumlar arasında differentiating için önemli olan giriş sütunları tanımlamak için kullanabilirsiniz.Iki mili çalışmak için bir müşteri commutes, bir bisiklet müşterinin satın 0.387 olasılıktır ve müşteri bir bisikleti satın değil, 0.287 olasılıktır Aşağıda, uzaklık Commute sütun.Bu örnekte, bir müşteri bir bisikleti satın yoksa tahmin etmek için sayısal bilgileri, müşteri özellikleri commute uzaklık gibi türetilir algoritmasını kullanır.Kullanma hakkında daha fazla bilgi için Microsoft Naive Bayes Viewer için bkz: Görüntüleme bir araştırma modeli Microsoft Naive Bayes Görüntüleyici ile.

Veri Naive Bayes modeller için gerekli.

Bir Naive Bayes modeli eğitim amacıyla veri hazırladığınızda, ne kadar veri gereklidir ve verileri nasıl kullanıldığı karma algoritması, gereksinimlerini anlamalısınız.

Naive Bayes model için gereksinimleri aşağıdaki gibidir:

  • Tek bir anahtar sütunu   Her model, her kaydı benzersiz olarak tanımlayan bir sayı veya metin sütun içermelidir.Bileşik anahtar izin verilmez.

  • Giriş bir sütun   Naive Bayes modelinde, tüm sütunlar olmalıdır, ayrı veya discretized sütunlar.Discretizing sütunları hakkında daha fazla bilgi için bkz: Discretization yöntemleri (veri madenciliği). Bir Naive Bayes modeli için giriş öznitelikleri birbirinden bağımsız olmasını sağlamak önemlidir.

  • Tahmin edilebilir olan en az bir sütun    Öngörülebilir öznitelik ayrı veya discretized değerler içermelidir.tahmin edilebilir sütun değerlerini giriş olarak kabul edilir ve sık sık, sütunlar arasında ilişkiler bulmak için önerilir.

Model görüntüleme

Model keşfetmek için Microsoft Naive Bayes Görüntüleyicisi.Görüntüleyiciyi, giriş öznitelikleri öngörülebilir bir öznitelik için nasıl bir ilişki gösterilmektedir.Görüntüleyiciyi, ayrıca ayrıntılı bir profil her kümenin diğer her kümeden ayırt özniteliklerin listesini ve tüm eğitim veri özelliklerini sağlar küme.Daha fazla bilgi için bkz:Görüntüleme bir araştırma modeli Microsoft Naive Bayes Görüntüleyici ile.

Daha fazla ayrıntı öğrenmek isterseniz, modelde göz atabiliyor Microsoft Genel içerik ağacı Viewer (veri madenciliği Tasarımcısı). Model içinde depolanan bilgilerin türü hakkında daha fazla bilgi için bkz: araştırma modeli Naive Bayes modeller için içerik (Analysis Services - veri madenciliği).

Yapma Öngörüler

Model eğitilmiş sonra sonuçlar incelemek veya Öngörüler yapmak için kullanın ve desenler kümesi olarak depolanır.

Öngörüler hakkında yeni verilerin nasıl ilişkili olduğu tahmin edilebilir özniteliğe veya modeli tarafından bulunan korelasyon tanımlayan istatistikleri aldığınız dönmek için sorgular oluşturabilirsiniz.

Bir veri araştırma modeli sorgular oluşturma hakkında daha fazla bilgi için bkz: Veri madenciliği modelleri sorgulama (Analysis Services - veri madenciliği). Bir Naive Bayes modeliyle sorguları kullanma örnekleri için bkz: Naive Bayes Model sorgulama (Analysis Services - veri madenciliği).

Açıklamalar

  • Öngörü modeli biçimlendirme dili (madenciliği modelleri oluşturmak için PMML) kullanılmasını destekler.

  • detaylandırma destekler.

  • Veri madenciliği boyutları oluşturulmasını desteklemez.

  • OLAP madenciliği modelleri kullanımını destekler.