Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Wenn Sie ein neurales Netzwerk- oder logistische Regressionsmodell mithilfe von Browse öffnen, wird das Modell in einem interaktiven Viewer angezeigt, ähnlich wie der neurale Netzwerkmodell-Viewer in Analysis Services. Der Viewer hilft Ihnen, Korrelationen zu untersuchen und Informationen zu den Mustern im Modell und den zugrunde liegenden Daten zu erhalten.
Erkunden des Modells
Modelle, die auf Microsoft Neural Network- oder Logistics Regressionsalgorithmen basieren, sind ähnlich, da sie Daten als eine Reihe von Verbindungen zwischen bekannten Eingaben und Ausgaben analysieren. Der Durchsuchen-Viewer hilft Ihnen, diese Verbindungen mithilfe der folgenden Steuerelemente zu erkunden:
Wenn Sie mit diesem Viewer experimentieren möchten, können Sie ein Modell mithilfe des Assistenten zum Klassifizieren (Data Mining-Add-Ins für Excel) erstellen und die Option "Erweitert " verwenden, um den Algorithmus im Dialogfeld "Algorithmusparameter " in "Microsoft Logistic Regression" zu ändern.
Variablen
Im Bereich "Variablen " wird eine Liste der Eingabevariablen in der Reihenfolge ihrer Auswirkungen auf das Modell angezeigt. Sie verwenden die Eingabe- und Ausgabesteuerelemente , um das Modell zu filtern, was sich auf die angezeigten Variablen sowie deren Reihenfolge auswirkt.
Anhand dieses Viewers können Sie die Faktoren untersuchen, die am wichtigsten sind, um zu bestimmen, ob ein Kunde eher zur Kategorie des Fahrradkäufers oder zur Kategorie des Nicht-Käufers gehört.
Erkunden von Variablen
Zunächst wird der Bereich "Variablen " nach den wichtigsten Attributen sortiert, je nach den aktuellen Filtern. Die Länge des Balkens gibt die Stärke des Faktors an.
Im Beispiel können Sie sehen, dass das Einkommen der einflussreichste Faktor ist, gefolgt von der Region. Andererseits sind Kunden mit vielen Autos und vielen Kindern sehr unwahrscheinlich, ein Fahrrad zu kaufen.
Klicken Sie im Bereich "Variablen " auf die Spaltenüberschrift für "Attribut".
Durch Sortieren nach Attribut können Sie die Bins sehen, die für jede der Eingabespalten erstellt wurden. Spalten mit diskreten Werten, z. B. "Beruf", werden durch die Literalwerte gruppiert .
Beachten Sie die Wertebereiche, die für Alter und Einkommen gefunden wurden.
Wenn es sich bei einer der Eingabespalten um Zahlen handelt (d. h. die gesamte Datenspalte ist ein fortlaufender numerischer Datentyp), werden die Zahlen in diskrete Bereiche unterteilt.
Für Einkommen wurde die Spalte in Gruppierungen wie 78,4-154,06 (für den oberen Einkommensbereich) unterteilt.
Wenn Sie unterschiedliche Gruppierungen verwenden möchten, sollten Sie das Tool "Relabel" (SQL Server Data Mining-Add-Ins) oder Excel-Funktionen verwenden, um vor dem Erstellen des Modells neue Einkommenskategorien zu erstellen.
Klicken Sie auf "Vorteile Ja", um das Diagramm in der Standardansicht wiederherzustellen.
Standardmäßig wird die Ansicht nach dem Wert "Favors" für den ersten Ergebniswert sortiert. Sie können ändern, welche Ergebnisse den ersten und zweiten Spalten zugewiesen werden, indem Sie in der Ausgabe einen neuen Wert für Wert 1 und Wert 2 auswählen.
Zeigen Sie mit der Maus auf den obersten farbigen Balken im Diagramm.
Eine Quickinfo wird angezeigt, die eine Wichtigkeitsbewertung, ein Paar Wahrscheinlichkeitswerte und ein Paar Anhebungswerte enthält.
Die Wichtigkeit wird für das gesamte Dataset berechnet und identifiziert das Attribut, das aufgrund aller Eingaben am meisten mit dem Zielergebnis korreliert wird. Der Viewer sortiert die Werte im Diagramm nach den Wichtigkeitsbewertungen.
Die Wahrscheinlichkeit wird für jede Gruppe von Attribut-Wert-Paaren für die Zielergebnisse im gesamten Dataset berechnet.
Lift teilt Ihnen mit, wie nützlich dieses bestimmte Attributwertpaar für die Förderung eines Ergebnisses oder eines anderen ist.
Hinweis: Die ToolTip enthält dieselben Informationen, unabhängig davon, ob Sie die Maus über die eine oder andere Spalte positionieren.
Eingänge
Im Bereich " Eingaben " können Sie eine Reihe von Eingaben auswählen und diese als Filter auf das Modell anwenden, sodass Sie den Einfluss dieser Auswahl auf das Ergebnis basierend auf den Schulungsdaten sehen können.
Eingaben erkunden
Angenommen, Sie möchten auf eine bestimmte Gruppe abzielen und die Faktoren anzeigen, die den Einkauf in dieser Gruppe am meisten beeinflussen.
Klicken Sie im Eingabebereich auf die <Zelle "Alle> " unter "Attribut", und wählen Sie "Alter" aus.
Wählen Sie für "Wert" die jüngste Alterskategorie aus.
Beachten Sie, dass auch dann, wenn Sie nach einer bestimmten Altersgruppe filtern, die Region "Pazifik" in die Nähe des Oberen der Liste gelangt. Dies liegt daran, dass Kunden in der Region Pazifik viel wahrscheinlicher ein Fahrrad kaufen als Kunden in anderen Regionen.
Da die Region nicht beeinflusst werden kann, können Sie diese Variable außer Acht lassen, um andere Faktoren zu betrachten, und die Eingaben erneut ändern.
Klicken Sie im Eingabebereich auf die leere Zelle unter "Alter", und wählen Sie "Region" aus.
Wählen Sie Value und wählen Sie Europa aus.
Fügen Sie weiterhin Eingabefilter hinzu, um sich auf eine Gruppe von besonderem Interesse zu konzentrieren.
Fügen Sie z. B. für das Eingabe-Attribut "Gender" hinzu, und wählen Sie "Female" als Wert aus.
Beachten Sie, wie sich die Liste der Variablen ändert. Jetzt ist Einkommen die Variable, die für die Vorhersage der Zielerreichung am wichtigsten ist.
Die Reihenfolge, in der Sie die Eingabefilter anwenden, wirkt sich nicht auf die Ergebnisse aus.
Ausgaben
Im Bereich "Ausgaben " können Sie das gewünschte Ergebnis auswählen. Mit neuralen Netzwerken können Sie beliebig viele Ergebnisspalten angeben, obwohl das Hinzufügen weiterer Ausgaben zur Komplexität des Modells hinzufügt und möglicherweise eine viel längere Verarbeitungszeit erfordert.
Um zwei Ausgaben zu vergleichen, müssen sie als Spalten " Vorhersagen " oder "Nur vorhersagen " festgelegt worden sein.
Ergebnisse erkunden
Verwenden Sie die Ausgabeattributeliste , um ein Attribut auszuwählen.
Wählen Sie zwei Ergebnisse aus den Listen "Wert 1" und "Wert 2" aus. Diese beiden Zustände des Ausgabeattributes werden im Bereich "Variablen " verglichen.
Weitere Informationen zu neuralen Netzwerkmodellen
Die Informationen im Viewer werden mithilfe einer für diesen Modelltyp spezifischen gespeicherten Prozedur vom Server abgerufen: System.Microsoft.AnalysisServices.System.DataMining.NeuralNet.GetAttributeScores.
Wenn Sie ein Modell mit mehreren vorhersagbaren Attributen mithilfe der Add-Ins erstellen möchten, verwenden Sie die Erweiterten Modellierungsoptionen.
Weitere Informationen finden Sie unter Create Mining Structure (SQL Server Data Mining Add-Ins) und Add Model to Structure (Data Mining Add-Ins for Excel).