當您使用 瀏覽 開啟樸素貝葉斯模型時，模型會顯示在具有四個不同窗格的互動式檢視器中。 使用查看器來探索相互關聯，並取得模型和基礎數據的相關信息。
探索模型
查看器的目的是幫助您探索由Microsoft朴素貝氏模型識別的輸入和輸出屬性（輸入與相依變數）之間的互動。
如果您想要實驗樸素貝葉斯查看器，請在 [數據採礦] 功能區中使用 分類精靈（適用於 Excel 的數據採礦增益集）精靈，點選 [ 進階 ] 選項，並將演算法更改為使用樸素貝葉斯演算法。
在這些範例中，我們使用範例活頁簿中的源數據，並將 [每年收入] 數據行分組為五個收入群組，從 「非常低 」到 「非常高」。 簡單貝氏模型接著分析與每個收入類別相關的因素。
相依性網路
您將使用的第一個視窗是 相依性網路。 它一目了然，哪些輸入與選取的結果密切相關。
探索相依性網路
首先，點擊目標結果 年度收入，它在圖中表示為一個節點。
目標變數周圍的醒目提示節點是與這個結果以統計方式相互關聯的節點。 使用視窗底部的圖例來理解關聯性的本質。
按兩下查看器左側的滑桿，並將它向下拖曳。
此控件會根據相依性的優點來篩選獨立變數。 當您將滑桿向下拖曳時，只有最強的連結會保留在圖表中。
篩選圖形之後，請按兩下 [ 複製圖表檢視] 按鈕。 然後在 Excel 中選取工作表，然後按 Ctrl+V。
此選項會複製您已選取的檢視，包括篩選和醒目提示。
屬性設定檔
[ 屬性設定檔] 視窗可讓您以視覺方式指出所有其他變數與個別結果的關聯性。
探索個人檔案
若要隱藏某些值，以便更輕鬆地比較結果，請按下數據行標題，並將它拖曳到另一個數據行下。
按兩下任何數據格，即可檢視 採礦圖例中值的分佈。
由於與不同結果相關聯的屬性會以視覺方式顯示，因此很容易發現有趣的相互關聯，例如收入如何依區域分佈。
若要取得此檢視的基礎數據，請按兩下 [ 複製到 Excel]。 數據表會在新的工作表中產生，以顯示個別屬性和結果之間的相互關聯。 在此 Excel 資料表中，您可以輕鬆地隱藏或篩選數據行。
屬性特性
[ 屬性特性 ] 檢視適用於深入檢查特定結果變數和貢獻因素。
探索屬性特性
點選值，然後從值中選取一個項目。
當您選取目標結果時，圖表會更新以顯示與結果最緊密關聯的因素，並依重要性排序。
請注意，如果您使用 [ 分析關鍵影響因素]（適用於 Excel 的數據表分析工具） 選項建立模型，您可以建立具有多個可預測屬性的模型。 不過，資料採礦外掛程式中的所有其他精靈會將您限制為一個可預測的屬性。
按兩下 [複製到 Excel ] 以在新工作表中建立資料表，列出與所選目標結果相關的所有屬性分數。
屬性歧視
[ 屬性辨識 ] 檢視有助於比較兩個結果，或一個結果與所有其他結果。
探索屬性辨識
使用控制項 值 1 和 值 2 來選取您想要比較的結果。
例如，在此模型中，低收入群組中有一些有趣的屬性，因此我們在第一個下拉式清單中選擇最低收入群組，然後在第二個下拉式清單中選擇 [ 所有其他狀態 ]。
將屬性依重要性的順序排序（根據訓練資料計算）。 因此，職業是與收入最密切關聯的因素（至少對這個目標組而言），
若要查看確切的數位，請按下彩色列並檢視 採礦圖例。
請注意，較低的收入也與歐洲區域相互關聯。
樸素貝葉斯模型不支援細部分析；不過，如果您想調查與該結果群組相關聯的案例，您可以使用查詢。 如需查詢此類模型的資訊，請參閱 貝氏機率模型查詢範例。