[ 相依網絡 ] 索引標籤提供了採礦模型中所有屬性的圖形檢視，並顯示這些屬性的關聯方式。
依存網頁籤用於數種類型的資料探勘模型，包括貝氏模型、決策樹模型和關聯模型。 如需如何在這些模型內容中解譯 相依性 Net 索引標籤內容的詳細資訊，請參閱下列連結：
使用 Microsoft Naive Bayes 檢視器瀏覽模型
選項
重新整理查看器內容
在查看器中重載採礦模型。
採礦模型
從目前採礦結構中的採礦結構中選擇要檢視的採礦模型。 採礦模型會在自定義查看器中開啟。 用於每個模型的自定義查看器類型取決於您用來建立模型的演算法。
檢視器
選擇要用來探索所選採礦模型的查看器。 針對每個模型，您可以使用每個採礦模型提供的自定義查看器，或Microsoft採礦內容查看器。 如果有的話，您也可以使用外掛程式查看器。 Microsoft內容樹檢視器可以搭配所有模型使用，並代表 HTML 數據表中的模型內容。
放大
放大圖表，讓您可以更詳細地查看屬性。
縮小
縮小圖表，讓您可以看到更多屬性和它們之間的連結。
複製圖表檢視
將圖表的可見區段複製到剪貼簿。
複製整個圖形
將完整的圖表複製到剪貼簿。
連結
藉由調整屬性右邊的滑桿，調整查看器所顯示的連結數（邊緣）和節點數目。 將滑桿向下拖曳會增加閾值，因此只會顯示最強的連結。 針對每個模型類型，會使用稍微不同的值來表示圖表中的連結：
在 判定樹 模型中，邊緣代表連線的預測強度，部分由分割分數決定。
在 樸素貝葉斯 模型中，兩個節點之間的連結可以雙向進行：也就是說，節點 A 可以預測節點 B，反之亦然。 與邊緣相關聯的分數代表連接的預測強度。
在 關聯模型中，節點之間的邊緣代表連接兩個專案集之規則的重要性分數。
所有模型類型的一般規則是連結越強，兩個屬性之間的預測關聯性越強。
另請參閱
資料採礦演算法 （Analysis Services - 數據採礦）
採礦模型查看器 （資料採礦模型設計工具）
數據採礦模型查看器