Exploración del modelo Bayes naive (Tutorial básico de minería de datos)

El algoritmo Bayes naive de Microsoft proporciona varios métodos para mostrar la interacción entre la compra de bicicletas y los atributos de entrada.

El Visor Naive Bayes de Microsoft proporciona las siguientes pestañas para su uso en la exploración de modelos de minería Naive Bayes.

Red de dependencias

La pestaña Red de dependencias funciona de la misma manera que la pestaña Red de dependencias del Visor de árboles de Microsoft. Cada nodo del visor representa un atributo y las líneas entre nodos representan relaciones. En el visor, puede ver todos los atributos que afectan al estado del atributo predecible, Bike Buyer.

Para explorar el modelo en la pestaña Red de Dependencias

1. Use la lista Modelo de minería en la parte superior de la pestaña Visor de modelos de minería para cambiar al modelo TM_NaiveBayes.

2. Use la lista Visor para cambiar a Microsoft Naive Bayes Viewer.

3. Haga clic en el Bike Buyer nodo para identificar sus dependencias.

   El sombreado rosa indica que todos los atributos tienen un efecto en la compra de bicicletas.

4. Ajuste el control deslizante para identificar el atributo más influyente.

   A medida que se reduce el control deslizante, solo permanecen los atributos que tienen el mayor efecto en la columna [Bike Buyer]. Al ajustar el control deslizante, puede descubrir que algunos de los atributos más influyentes son: número de coches propiedad, distancia de viaje y número total de niños.

Perfiles de atributo

En la pestaña Perfiles de atributo se describe cómo afectan los distintos estados de los atributos de entrada al resultado del atributo de predicción.

Para explorar el modelo en la pestaña Perfiles de atributo

1. En el cuadro Predicción , compruebe que Bike Buyer está seleccionado.

2. Si el Mining Legend está bloqueando la presentación de los perfiles de atributo, quítela del camino.

3. En el cuadro Barras de histograma , seleccione 5.

   En nuestro modelo, 5 es el número máximo de estados para cualquier variable.

   Los atributos que afectan al estado de este atributo de predicción se enumeran junto con los valores de cada estado de los atributos de entrada y sus distribuciones en cada estado del atributo de predicción.

4. En la columna Atributos , busque Número de coches propiedad. Observe las diferencias en los histogramas de los compradores de bicicletas (columna etiquetada 1) y no compradores (columna etiquetada 0). Una persona que tiene cero o un coche tiene muchas más probabilidades de comprar una bicicleta.

5. Haga doble clic en la celda Number Cars Owned en la columna de comprador de bicicletas (etiquetada como columna 1).

   La Mining Legend muestra una vista más detallada.

Características de atributo

Con la pestaña Características de atributo, puede seleccionar un atributo y un valor para ver con qué frecuencia aparecen los valores de otros atributos en los casos de valor seleccionados.

Para explorar el modelo en la pestaña Características de atributo

1. En la lista Atributo , compruebe que Bike Buyer está seleccionado.

2. Establezca el valoren 1.

   En el visor, verá que los clientes que no tienen niños en casa, viajes cortos y viven en la región de Norteamérica tienen más probabilidades de comprar una bicicleta.

Discriminación de atributos

Con la pestaña Discriminación de atributos , puede investigar la relación entre dos valores discretos de compra de bicicletas y otros valores de atributo. Dado que el TM_NaiveBayes modelo solo tiene dos estados, 1 y 0, no es necesario realizar ningún cambio en el visor.

En el visor, puede ver que las personas que no poseen coches tienden a comprar bicicletas, y las personas que poseen dos coches tienden a no comprar bicicletas.

Tareas relacionadas

Consulte los temas siguientes para explorar los otros modelos de minería de datos.

• Exploración del modelo de árbol de decisión (Tutorial básico de minería de datos)

• Exploración del modelo de agrupación en clústeres (Tutorial básico de minería de datos)

Lección siguiente

Lección 5: Probar modelos (Tutorial básico de minería de datos)

Tarea anterior en la lección

Exploración del modelo de agrupación en clústeres (Tutorial básico de minería de datos)

Véase también

Examinar un modelo mediante el Visor bayes naive de Microsoft
Pestaña Discriminación de atributos (Visor de modelos de minería de datos)
Pestaña Perfiles de Atributos (Visor de Modelos de Minería)
Pestaña Características del atributo (Visor de modelos de minería)
Pestaña Red de dependencias (Visor de modelos de minería de datos)