共用方式為

使用Microsoft貝氏機率分類查看器流覽模型

  • 發行項

適用於： SQL Server 2019 和舊版 Analysis Services Azure Analysis Services Fabric/Power BI Premium

重要

SQL Server 2017 Analysis Services 中已淘汰數據採礦，現在已在 SQL Server 2022 Analysis Services 中停止。 檔不會更新為已淘汰和已停止的功能。 若要深入瞭解，請參閱 Analysis Services 回溯相容性。

Microsoft SQL Server SQL Server Analysis Services 中的Microsoft貝氏機率分類查看器會顯示使用 Microsoft 貝氏機率分類演算法所建置的採礦模型。 Microsoft貝氏機率分類演算法是一種分類演算法，可高度適應預測性模型化工作。 如需此演算法的詳細資訊，請參閱 Microsoft 貝氏機率分類演算法。

由於貝氏機率分類模型的主要用途之一是提供一種方法來快速探索數據集中的數據，Microsoft貝氏機率分類查看器提供數種方法來顯示可預測屬性和輸入屬性之間的互動。

注意

如果您想要檢視模型中使用的方程式詳細資訊，以及探索到的模式，您可以切換至Microsoft一般內容樹檢視器。 如需詳細資訊，請參閱 使用 Microsoft 泛型內容樹視圖器 或 Microsoft 泛型內容樹視圖器流覽模型。

查看器索引標籤

當您在 SQL Server Analysis Services 中瀏覽採礦模型時，模型會顯示在模型適當查看器中數據採礦設計師的 [採礦模型查看器] 索引卷標上。 Microsoft貝氏機率分類查看器提供下列索引標籤來探索資料：

相依性網路

[相依性網络] 索引卷標會顯示輸入屬性與模型中可預測屬性之間的相依性。 查看器左邊的滑桿可做為系結至相依性強度的篩選條件。 降低滑桿只會顯示最強的連結。

當您選取節點時，查看器會醒目提示節點特有的相依性。 例如，如果您選擇可預測的節點，查看器也會醒目提示每個有助於預測可預測節點的節點。

查看器底部的圖例會將色彩代碼連結至圖形中的相依性類型。 例如，當您選取可預測節點時，可預測節點會以淺綠色陰影表示，而預測所選節點的節點會以橙色陰影顯示。

回到頂端

屬性配置檔

屬性設定檔 索引標籤在方格中顯示直方圖。 您可以使用此方格，將您在 [可預測] 方塊中選取的可預測屬性與模型中所有其他屬性進行比較。 索引標籤中的每個數據行都代表可預測屬性的狀態。 如果可預測屬性有許多狀態，您可以藉由調整直方圖中的 直方圖列來變更出現在直方圖中的狀態數目。 如果您選擇的數目小於 屬性中的狀態總數，狀態會依支持順序列出，其餘狀態會收集到單一灰色貯體中。

若要顯示將直方圖色彩與屬性狀態相關的採礦圖例，請按兩下 [顯示圖例] 複選框 。 [採礦圖例] 也會顯示您所選取之每個屬性值組案例的分佈。

若要將方格的內容複製到剪貼簿做為 HTML 數據表，請以滑鼠右鍵按兩下 [屬性設定檔] 索引卷標，然後選取 [複製]。

回到頂端

屬性特性

若要使用 [屬性特性] 索引卷標，請從 [屬性] 清單中選取可預測的屬性，並從 [值] 列表中選取選取的屬性狀態。 當您設定這些變數時，[屬性特性] 索引標籤會顯示與所選取屬性之選取案例相關聯的屬性狀態。 屬性會依重要性排序。

回到頂端

屬性辨識

若要使用 [屬性辨識] 索引卷標，請從 屬性、值 1，以及 值 2 列表中選取可預測的屬性及其兩個狀態。 [屬性辨識] 索引卷 標的方格，然後在數據行中顯示下列資訊：

屬性
列出數據集中的其他屬性，其中包含高度偏愛可預測屬性之一狀態的狀態。

值
顯示 [屬性] 資料行 屬性的值。

Favors <值 1>
顯示彩色列，指出屬性值對 值 1中顯示的可預測屬性值有多強。

Favors <值 2>
顯示彩色列，指出屬性值對 值 2中顯示的可預測屬性值有多強。

回到頂端

另請參閱

Microsoft 貝氏機率分類演算法
採礦模型查看器工作和操作說明
數據採礦工具
數據採礦模型查看器