Freigeben über

Erkunden des Naive Bayes-Modells (Grundlegendes Data Mining-Lernprogramm)

Der Microsoft Naive Bayes-Algorithmus bietet mehrere Methoden zum Anzeigen der Interaktion zwischen Fahrradkauf und Eingabeattributen.

Der Microsoft Naive Bayes Viewer bietet die folgenden Registerkarten für die Erkundung von Naive Bayes-Miningmodellen:

Abhängigkeitsnetzwerk

Die Registerkarte " Abhängigkeitsnetzwerk " funktioniert auf die gleiche Weise wie die Registerkarte " Abhängigkeitsnetzwerk " für den Microsoft Tree Viewer. Jeder Knoten im Viewer stellt ein Attribut dar, und die Linien zwischen Knoten stellen Beziehungen dar. Im Viewer können Sie alle Attribute sehen, die sich auf den Zustand des vorhersagbaren Attributs auswirken, Bike Buyer.

So erkunden Sie das Modell auf der Registerkarte "Abhängigkeitsnetzwerk"

  1. Verwenden Sie die Miningmodellliste oben auf der Registerkarte "Miningmodellanzeige", um zum TM_NaiveBayes Modell zu wechseln.

  2. Verwenden Sie die Viewer-Liste , um zu Microsoft Naive Bayes Viewer zu wechseln.

  3. Klicken Sie auf den Bike Buyer Knoten, um seine Abhängigkeiten zu identifizieren.

    Die rosa Schattierung zeigt an, dass alle Attribute auswirkungen auf den Fahrradkauf haben.

  4. Passen Sie den Schieberegler an, um das einflussreichste Attribut zu identifizieren.

    Wenn Sie den Schieberegler senken, bleiben nur die Attribute, die den größten Einfluss auf die Spalte [Bike Buyer] haben. Indem Sie den Schieberegler anpassen, können Sie feststellen, dass einige der einflussreichsten Attribute sind: Anzahl der Autos im Besitz, der Pendlerdistanz und der Gesamtzahl der Kinder.

Attributprofile

Auf der Registerkarte "Attributprofile " wird beschrieben, wie sich unterschiedliche Zustände der Eingabeattribute auf das Ergebnis des vorhersagbaren Attributs auswirken.

So erkunden Sie das Modell auf der Registerkarte "Attributprofile"

  1. Überprüfen Sie im Feld "Vorhersagbar" , ob diese Bike Buyer Option ausgewählt ist.

  2. Wenn die Mining-Legende die Anzeige der Attributprofile blockiert, verschieben Sie sie aus dem Weg.

  3. Wählen Sie im Feld Histogrammbalken5 aus.

    In unserem Modell ist 5 die maximale Anzahl von Zuständen für eine variable.

    Die Attribute, die sich auf den Status dieses vorhersagbaren Attributs auswirken, werden zusammen mit den Werten der einzelnen Status der Eingabeattribute und deren Verteilungen in jedem Zustand des vorhersagbaren Attributs aufgelistet.

  4. Suchen Sie in der Spalte "Attribute" nach "Anzahl der Fahrzeuge im Besitz". Beachten Sie die Unterschiede in den Histogrammen für Fahrradkäufer (Spalte mit der Bezeichnung 1) und Nichtkäufer (Spalte mit der Bezeichnung 0). Eine Person mit null oder einem Auto ist viel wahrscheinlicher, ein Fahrrad zu kaufen.

  5. Doppelklicken Sie auf die Zelle "Anzahl der besessenen Autos" in der Spalte "Fahrradkäufer" (Spalte mit der Bezeichnung 1).

    Die Mininglegende zeigt eine detailliertere Ansicht an.

Attributmerkmale

Mit der Registerkarte "Attributmerkmale " können Sie ein Attribut und einen Wert auswählen, um zu sehen, wie häufig Werte für andere Attribute in den ausgewählten Wertfällen angezeigt werden.

So erkunden Sie das Modell auf der Registerkarte "Attributmerkmale"

  1. Überprüfen Sie in der Attributliste , ob sie Bike Buyer ausgewählt ist.

  2. Legen Sie den Wert auf 1 fest.

    Im Zuschauer sehen Sie, dass Kunden, die keine Kinder zu Hause haben, kurze Pendler sind und in der Region Nordamerika leben, eher ein Fahrrad kaufen.

Attributdiskriminierung

Auf der Registerkarte " Attributdiskriminierung " können Sie die Beziehung zwischen zwei einzelnen Werten des Fahrradkaufs und anderen Attributwerten untersuchen. Da das TM_NaiveBayes Modell nur zwei Zustände aufweist, 1 und 0, müssen Sie keine Änderungen am Viewer vornehmen.

Im Zuschauer können Sie sehen, dass Menschen, die keine Autos besitzen, Fahrräder kaufen, und Menschen, die zwei Autos besitzen, neigen dazu, Fahrräder nicht zu kaufen.

Weitere Informationen zu den anderen Miningmodellen finden Sie in den folgenden Themen.

Nächste Lektion

Lektion 5: Testen von Modellen (Grundlegendes Data Mining-Lernprogramm)

Vorheriger Vorgang in Lektion

Erkunden des Clusteringmodells (Grundlegendes Data Mining-Lernprogramm)

Siehe auch

Durchsuchen eines Modells mithilfe des Microsoft Naive Bayes Viewers
Registerkarte "Attributunterscheidung" (Miningmodell-Viewer)
Registerkarte "Attributprofile" (Miningmodell-Viewer)
Registerkarte "Attributmerkmale" (Miningmodell-Viewer)
Registerkarte "Abhängigkeitsnetzwerk" (Miningmodell-Viewer)

  • Last updated on