Microsoft Naive Bayes 算法技术参考
Microsoft Naive Bayes 算法是 Microsoft SQL Server Analysis Services 提供的一种用于预测性建模的分类算法。该算法计算输入列与可预测列之间的条件概率，并假定列相互独立。由于此独立性假设，所以取名为 Naive Bayes。
Microsoft Naive Bayes 算法的实现
和其他 Microsoft 算法相比，此算法所需运算量较少，因而有助于快速生成挖掘模型，从而发现输入列与可预测列之间的关系。此算法会考虑每对输入属性值和输出属性值。
有关贝叶斯定理的数学性质的说明不属于本文档的讨论范围；有关详细信息，请参阅 Microsoft Research 文章，标题为：Learning Bayesian Networks: The Combination of Knowledge and Statistical Data（了解 Bayesian 网络：知识和统计数据的组合）。
有关如何调整所有模型中的概率以解释可能的缺失值的说明，请参阅缺少值（Analysis Services – 数据挖掘）。
功能选择
Microsoft Naive Bayes 算法会自动执行功能选择，以限制生成模型时要考虑的值的数量。有关详细信息，请参阅数据挖掘中的功能选择。
算法 |
分析方法 |
注释 |
|---|---|---|
Naive Bayes |
Shannon 平均信息量 Bayesian with K2 Prior Bayesian Dirichlet with uniform prior（默认） |
Naive Bayes 仅接受离散或离散化的属性，因此它不能使用兴趣性分数。 |
该算法的设计目的是最小化处理时间，并高效地选择最为重要的属性；但您可以通过设置下面的参数来控制其所用的数据：
若要限制用作输入的值的数量，请降低 MAXIMUM_INPUT_ATTRIBUTES 的值。
若要限制模型要分析的属性的数量，请降低 MAXIMUM_OUTPUT_ATTRIBUTES 的值。
若要限制要为属性考虑的值的数量，请降低 MINIMUM_STATES 的值。
自定义 Naive Bayes 算法
Microsoft Naive Bayes 算法支持多个参数，这些参数可影响所生成的挖掘模型的行为、性能以及准确性。您还可以对模型列设置建模标志来控制数据的处理方式，或者对挖掘结构设置标志来指定如何处理缺失值或 Null 值。
设置算法参数
Microsoft Naive Bayes 算法支持多个参数，这些参数可影响所生成的挖掘模型的性能和准确性。下表对各参数进行了说明：
MAXIMUM_INPUT_ATTRIBUTES
指定算法在调用功能选择之前可以处理的最大输入属性数。如果将此值设置为 0，则为输入属性禁用功能选择。默认值为 255。
MAXIMUM_OUTPUT_ATTRIBUTES
指定算法在调用功能选择之前可以处理的最大输出属性数。如果将此值设置为 0，则为输出属性禁用功能选择。默认值为 255。
MINIMUM_DEPENDENCY_PROBABILITY
指定输入属性和输出属性之间的最小依赖关系概率。该值用于限制算法生成的内容大小。该属性可设置为介于 0 和 1 之间的值。该值越大，模型内容中的属性数就越少。默认值为 0.5。
MAXIMUM_STATES
指定算法支持的最大属性状态数。如果属性的状态数大于最大状态数，则算法将使用属性的最常用状态，并视其余状态为缺失。默认值为 100。
建模标志
Microsoft 决策树算法支持下列建模标志。创建挖掘结构或挖掘模型时，可定义建模标志以指定分析期间如何处理每列中的值。有关详细信息，请参阅建模标志（数据挖掘）。
建模标志 |
说明 |
|---|---|
MODEL_EXISTENCE_ONLY |
表示该列将被视为具有两个可能状态：Missing 和 Existing。Null 表示缺失值。 适用于挖掘模型列。 |
NOT NULL |
指示该列不能包含 Null。如果 Analysis Services 在模型定型过程中遇到 Null 值，则会导致错误。 适用于挖掘结构列。 |
要求
一个 Naive Bayes 树模型必须包含一个键列、至少一个可预测列和至少一个输入列。所有属性均不能为连续属性；如果数据包含连续数值数据，则将会被忽略或离散化。
输入列和可预测列
Microsoft Naive Bayes 算法支持下表中列出的特定输入列和可预测列。有关内容类型在用于挖掘模型中时的含义的详细信息，请参阅内容类型（数据挖掘）。
列 |
内容类型 |
|---|---|
输入属性 |
Cyclical、Discrete、Discretized、Key、Table 和 Ordered |
可预测属性 |
Cyclical、Discrete、Discretized、Table 和 Ordered |
.gif "注意") 注意 |
|---|
支持 Cyclical 和 Ordered 内容类型，但算法会将它们视为离散值，不会进行特殊处理。 |