Naive Bayes 모델 찾아보기
찾아보기를 사용하여 Naïve Bayes 모델을 열면 네 개의 다른 창이 있는 대화형 뷰어에 모델이 표시됩니다. 이 뷰어를 사용하여 상관 관계를 탐색하고 모델 및 기본 데이터에 대한 정보를 얻을 수 있습니다.
모델 탐색
뷰어의 목적은 Microsoft Naive Bayes 모델에서 검색한 입력 및 출력 특성(입력 및 종속 변수) 간의 상호 작용을 탐색하는 데 도움이 되는 것입니다.
Naïve Bayes 뷰어를 실험하려면 데이터 마이닝 리본에서 분류 마법사(Excel용 데이터 마이닝 추가 기능) 마법사를 사용하고 고급 옵션을 클릭하고 Naïve Bayes 알고리즘을 사용하도록 알고리즘을 변경합니다.
이러한 예제에서는 샘플 통합 문서의 원본 데이터를 사용하고 열인 연간 소득을매우 낮은 소득 그룹에서 매우 높음까지 5개의 소득 그룹으로 그룹화했습니다. 그런 다음 Naïve Bayes 모델을 통해 각 소득 범주와 상관 관계가 있는 요인을 분석했습니다.
종속성 네트워크
사용할 첫 번째 창은 종속성 네트워크입니다. 이 창에서는 선택한 결과와 밀접한 상관 관계가 있는 입력을 한눈에 볼 수 있습니다.
종속성 네트워크 탐색
먼저 그래프에서 노드로 표시되는 대상 결과 인 Yearly Income을 클릭합니다.
대상 변수 주위의 강조 표시된 노드는 이 결과와 통계적으로 상관 관계가 있습니다. 뷰어의 아래쪽에 있는 범례를 사용하여 관계의 특성을 이해할 수 있습니다.
뷰어 왼쪽에서 슬라이더를 클릭하여 아래로 끕니다.
이 컨트롤은 종속성 수준에 따라 독립 변수를 필터링합니다. 슬라이더를 아래로 끌면 가장 강력한 링크만 그래프에 남습니다.
그래프를 필터링한 후 그래프 보기 복사 단추를 클릭합니다. 그런 다음 Excel에서 워크시트를 선택하고 Ctrl+V를 누릅니다.
필터와 강조 표시를 비롯하여 선택한 뷰가 복사됩니다.
특성 프로필
특성 프로필 창은 다른 모든 변수가 개별 결과와 어떻게 관련되어 있는지 시각적으로 표시합니다.
프로필 탐색
결과를 보다 쉽게 비교할 수 있도록 일부 값을 숨기려면 열 머리글을 클릭하고 다른 열 아래로 끕니다.
마이닝 범례의 값 분포를 보려면 셀을 클릭합니다.
다른 결과와 연결된 특성이 시각적으로 표시되기 때문에 소득의 지역별 분포와 같은 흥미로운 상관 관계를 쉽게 확인할 수 있습니다.
이 보기의 기반이 되는 데이터를 가져오려면 Excel에 복사를 클릭합니다. 개별 특성 및 결과 간의 상관 관계를 보여 주는 테이블이 새 워크시트에 생성됩니다. 이 Excel 테이블에서 열을 쉽게 숨기거나 필터링할 수 있습니다.
특성 특징
특성 특성 보기는 특정 결과 변수 및 기여 요인에 대한 심층 검사에 유용합니다.
특성 특징 탐색
값을 클릭하고 값에서 항목을 선택합니다.
대상 결과를 선택하면 그래프가 업데이트되어 결과와 가장 밀접하게 관련된 요인이 중요도순으로 표시됩니다.
주요 영향 요인 분석(Excel용 테이블 분석 도구) 옵션을 사용하여 모델을 만드는 경우 예측 가능한 특성이 둘 이상 있는 모델을 만들 수 있습니다. 그러나 데이터 마이닝 추가 기능의 다른 모든 마법사는 예측 가능한 특성을 하나로 제한합니다.
Excel로 복사를 클릭하여 새 워크시트에서 선택한 대상 결과와 관련된 모든 특성의 점수를 나열하여 테이블을 만듭니다.
특성 판별
특성 차별 보기는 두 가지 결과 또는 하나의 결과와 다른 모든 결과를 비교하는 데 도움이 됩니다.
은 입니다.
특성 판별 탐색
컨트롤 값 1 및 값 2를 사용하여 비교할 결과를 선택합니다.
예를 들어 이 모델에는 저소득 그룹에 몇 가지 흥미로운 특성이 있었기 때문에 첫 번째 드롭다운 목록에서 가장 낮은 소득 그룹을 선택하고 두 번째 드롭다운 목록에서 다른 모든 주를 선택했습니다.
특성은 학습 데이터를 기반으로 계산된 중요도순으로 정렬됩니다. 따라서 직업은 소득과 가장 밀접한 상관 관계가 있는 요인입니다(적어도 이 대상 그룹의 경우).
정확한 그림을 보려면 색이 지정된 막대를 클릭하고 마이닝 범례를 봅니다.
낮은 소득은 유럽 지역과도 상관 관계가 있습니다.
Naïve Bayes 모델은 드릴다운을 지원하지 않습니다. 이 결과 그룹과 관련된 사례를 조사하려면 쿼리를 사용할 수 있습니다. 이 유형의 모델에 대한 쿼리에 대한 자세한 내용은 Naive Bayes 모델 쿼리 예제를 참조하세요.