共用方式為


瀏覽決策樹模型

當您使用 [流覽] 開啟分類模型時,模型會顯示在互動式決策樹檢視器中,類似于 Analysis Services 中的 Microsoft 決策樹檢視器。 此檢視器會將分類的結果顯示成圖形,而這個圖形是設計來反白顯示區分不同資料群組的準則。 您也可以向下鑽研個別的樹狀結構子集,並且擷取基礎資料。

探索模型

以決策樹演算法為基礎的模型具有許多有趣的資訊可探索。 [ 流覽 ] 視窗包含下列索引標籤和窗格,可協助您瞭解模式,並使用圖表預測結果:

若要試驗決策樹模型,您可以使用範例資料活頁簿之 [定型資料] (或 [來源資料]) 索引標籤上的範例資料,然後使用 Bike Buyer 做為可預測的屬性,建立決策樹模型。

決策樹

這個檢視是要協助您了解並探索導致結果的因數。

您可以依照下列順序,由左至右讀取決策樹圖形:

  • 稱為 節點的矩形包含資料的子集。 節點上的標籤會告知您該子集的定義特性。

  • 標示為 All的最左邊節點代表完整的資料集。 所有後續節點都代表資料的子集。

  • 決策樹包含許多 分割,或根據屬性將資料分散到多個集合的位置。

    例如,範例模型中的第一個分割會按照年齡將資料集分成三個群組。

  • [所有 ] 節點之後立即分割是最重要的,因為它會顯示分割此資料集的主要條件。

    其他分割出現在右邊。 因此,透過分析樹狀結構的不同區段,您就可以了解哪些屬性最能影響購買行為。

關聯模型的相依性網狀圖表關聯

利用這項資訊,您可以將行銷活動的對象鎖定在只需要鼓勵購買的客戶上。

探索決策樹
  1. 按一下 [ 所有 ] 節點,然後查看 [採礦圖例]。

    它會顯示定型資料集中的確切案例計數,以及細分結果。

    如果您將滑鼠游標暫時放在節點上,也可以在工具提示中檢視相同的資訊。

  2. 按一下每個節點旁邊的加號和減號,即可展開或摺疊樹狀結構。

    您也可以使用 [顯示層級 ] 滑杆來展開或縮小樹狀結構。

  3. 您是否發現某些節點的色彩比其他節點要深?

    根據預設, Population 會當做網底變數使用,這表示色彩的濃度會顯示哪些節點具有最大支援。

    因此,最左邊的節點色彩最深,因為它包含整個資料集。

  4. Background 的值從 [所有案例 ] 變更為 [是]。

    變更決策樹圖以醒目提示購買者

  5. 現在,色彩的濃度會告知您每個節點中購買自行車的客戶數目,而這就是您感興趣的行為。

    請注意每個節點中的彩色列。 這個長條圖會顯示這個資料子集內結果的分佈。 例如,在範例 Bike Buyer 決策樹中,彩色列會顯示購買自行車的客戶比例, ([是] 值) 與未 ([否] 值的客戶) 。 若要取得確切的值,您可以按一下節點並檢視 採礦圖例

  6. 透過瀏覽圖形,您就可以了解每個資料子集如何進一步分解成更小的群組,以及哪些屬性對於預測結果最有用。

    只要查看陰影的濃度,您就可以將重點放在一些感興趣的群組上,並且取得這些群組的詳細資料以進行比較。 例如,下列群組購買自行車的機率相當高:

    • Age > = 32 和 < 53 和 Yearly Income > = 26000 和 Children = 0

      總案例:1150

      自行車購買者機率:18%

    • Age > = 32 和 < 53 和 Yearly Income > = 26000,Children not = 0 and Marital Status = 'Single'

      案例總計:402

      自行車購買者機率:16%

  7. Background 的值從 [是 ] 變更為 [ ],並查看圖形的變更方式。

    關聯模型的相依性網狀圖表關聯

提示

  • 如果您的資料可以分成多個數列,系統就會針對您想要建立模型的每組資料建立不同的模型。

  • 在範例資料模型中,只有一個可預測的結果 - Bike Buyer - 但假設您有客戶是否購買服務方案,並想要預測該方案的相關資訊。 在該情況下,您會將這些資料放入不同的資料行,並且在模型中加入兩個可預測的屬性。

    按一下 [決策樹] 窗格左上角的 [直 方圖 ] 選項,變更樹狀結構中長條圖中可顯示的最大狀態數目。 如果可預測屬性有許多狀態,則此選項很有用。 狀態會以長條圖形式出現,依常用程度從左到右排序。

  • 您也可以使用 [決策樹 ] 索引標籤上的選項,藉由放大或縮小,或調整圖形大小以符合視窗,來影響樹狀結構的顯示方式。

  • 使用 [預設展開] ,來設定模型中所有樹狀結構所顯示的預設層級數目。

  • 選取 [顯示長名稱 ] 以顯示內容的完整名稱,包括資料來源。 除非您的案例所取自的資料來源與每一個案例的屬性不同,否則簡短名稱和完整名稱會是相同的。

回到頂端

相依性網路

[ 相依性網路 ] 檢視會顯示輸入屬性與模型中可預測屬性之間的連線。

  1. 按一下並拖曳檢視器左側的滑動軸。

    在頂端位置時,系統會顯示所有連接。 當您向下拖曳滑動軸時,檢視器中只會顯示最強的連結。

  2. 現在,請按一下 [Bike Buyer] 節點。

    決策樹的相依性網路檢視

    當您選取節點時,檢視器會反白顯示該節點特定的相依性。 在此情況下,檢視器會反白顯示有助於預測結果的每個節點。

  3. 如果檢視器包含許多節點,您可以使用 [ 尋找節點 ] 按鈕來搜尋特定節點。 按一下 [尋找節點] 就會開啟 [尋找節點] 對話方塊,您可以在此使用篩選來搜尋和選取特定節點。

  4. 檢視器底端的圖例會將色碼連結至圖表中的相依性類型。 例如,當您選取可預測的節點時,可預測節點會呈現淺粉藍色陰影,而預測所選取之節點的節點則會呈現橙色陰影。

回到頂端

鑽研到基礎資料

數種類型的模型支援從模型 鑽研 到基礎案例資料的能力。 如果您想要觸及特定客群的客戶,或是提取資料以執行進一步分析,這項功能可能非常有用。

取得案例資料
  1. 以滑鼠右鍵按一下樹狀結構中包含所需資料的節點,然後選取下列其中一個選項:

    • 鑽研模型。 這個選項會取得屬於選取之節點的案例,並且將它們儲存至 Excel 中的資料表。 您只會取得實際用於建立模型的資料行。

    • 鑽研結構資料行。 這個選項會取得屬於選取之節點的案例,並且將它們儲存至 Excel 中的資料表。 當您建置基礎資料時,您會取得所有可用的資訊,即使模型中未使用資料行也一樣。 例如,您可能已經排除客戶地址和郵遞區號,因為這些欄位不適用於分析,但仍然保留在結構中。

    返回 Excel 以檢視您的資料。 [瀏覽] 檢視器會執行查詢、將資料儲存至新工作表中的資料表,並且標示結果。

    鑽研的結果會儲存至

另請參閱

在 Excel 中瀏覽模型 (SQL Server 資料採礦增益集)