流覽類神經網路模型

當您使用 [流覽] 開啟類神經網路或羅吉斯回歸模型時，模型會顯示在互動式查看器中，類似於 Analysis Services 中的類神經網路模型查看器。查看器可協助您探索相互關聯，並取得模型和基礎數據中模式的相關信息。

探索模型

基於 Microsoft 神經網路或邏輯回歸演算法的模型，會分析數據為已知輸入和輸出之間的一組連結。瀏覽檢視器可協助您使用下列控件來探索這些連線：

變數
輸入
輸出

如果您想要試驗此查看器，您可以使用 [分類精靈] [適用於 Excel 的數據採礦載入巨集] 精靈建立模型，並利用 進階選項，將演算法變更為 演算法參數 對話框中的 [Microsoft 邏輯斯回歸]。

變數

[ 變數 ] 窗格會依對模型的影響順序顯示輸入變數清單。您可以使用輸入和輸出控件來篩選模型，影響顯示的變數及其順序。

使用此查看器，您可以探索判斷客戶是否更可能屬於自行車購買者類別或非購買者類別時最重要的因素。

測試所選屬性結果的影響

探索變數

一開始，根據目前篩選條件， [變數 ] 窗格會依最重要的屬性順序排序。長條的長度表示因數的強度。

在此範例中，您可以看到收入是最具影響力的因素，後面接著區域。另一方面，擁有許多汽車和許多孩子的客戶不太可能購買自行車。
在變數窗格中，點擊屬性的欄標題。

按照屬性排序時，您可以看到針對每個輸入欄位所建立的儲存槽。具有離散值的數據行，例如職業，是由常值量化。
請注意年齡和收入找到的值範圍。

如果您的任何輸入列是數字（也就是整欄資料是連續數字類型），則數字會被分組或歸納到不同的離散範圍中。

對於收入，欄位已細分為收入群組，例如 78.4-154.06（最上層收入範圍）。

如果您想要不同的群組，您應該使用 Relabel （SQL Server Data Mining Add-ins）工具或 Excel 函式來建立新的收入類別，再建置模型。
按一下 偏好是 以將圖形還原至預設視圖。

根據預設，檢視會依第一個結果值的 Favors 值排序。您可以在輸出中選擇 值 1 和 值 2 的新值，以變更指派給第一和第二欄的結果。
將滑鼠停留在圖表最上層的彩色列上。

工具提示隨即出現，其中包含 重要性 分數、一對機率分數和一對增益值。
- 重要性 會跨整個數據集計算，並識別指定所有輸入與目標結果最相關的屬性。查看器會依重要性分數來排序圖表中的值。
- 針對整個數據集的目標結果，會針對每個屬性值組計算機率。
- 提升會告訴您這個特定屬性值組對於推動不同結果如何有用。
注意：工具提示包含相同的信息，無論您將滑鼠放在一欄或另一欄上。

回到頂端

輸入

[ 輸入] 窗格可讓您選擇一組輸入，並將其套用為篩選條件至模型，這可讓您根據定型數據查看這些選擇對結果的影響

探索輸入

假設您想要以特定群組為目標，並查看影響該群組中購買的因素。

在 [輸入] 窗格中，按兩下 [屬性] 底下的 [<所有>] 儲存格，然後選取 [年齡]。

針對 [值]，選取最年輕的年齡類別。
請注意，即使您篩選特定年齡組，太平洋區域也會接近清單頂端。這是因為太平洋地區的客戶比其他地區的客戶購買自行車的可能性要大得多。

因為區域不是您可以影響的專案，若要從考慮中移除此變數，並查看其他因素，您可以再次變更輸入。

在 [ 輸入 ] 窗格中，按兩下 [年齡] 底下的空白儲存格，然後選取 [ 區域]。

針對 [ 值]，選取 [ 歐洲]。
繼續新增輸入篩選，以專注於特定興趣的群組。

例如，針對輸入屬性，新增 [性別]，然後選取 [ 女性 ] 作為值。

請注意變數清單如何變更。現在 ，Income 是預測目標結果最重要的變數。

套用輸入篩選的順序不會影響結果。