共用方式為

  • 發行項

Microsoft 貝氏機率分類演算法技術參考

Microsoft 貝氏機率分類演算法是 MicrosoftSQL ServerAnalysis Services 所提供用於預測模型的分類演算法。此演算法會計算輸入資料行和可預測資料行之間的條件式機率，並假設資料行是獨立的。這種獨立性假設產生了貝氏機率分類這個名稱。

Microsoft 貝氏機率分類演算法的實作

此演算法比其他 Microsoft 演算法更少計算，因此對於快速產生採礦模型來探索輸入資料行和可預測資料行之間的關聯性很有用。此演算法會考量輸入屬性值與輸出屬性值的每個配對。

貝氏理論的數學屬性描述超出本文件集的範圍；如需詳細資訊，請參閱 Microsoft Research 報告中的＜學習 Bayesian 網路：＞。

如需調整所有模型中的機率來表示可能遺漏值的描述，請參閱＜遺漏值 (Analysis Services - 資料採礦)＞。

特徵選取

Microsoft 貝氏機率分類演算法會執行自動特徵選取，藉以限制建立模型時所考量的值數目。如需詳細資訊，請參閱＜資料採礦的特徵選取＞。

演算法

分析的方法

註解

貝氏機率分類

Shannon’s Entropy

Bayesian with K2 Prior

Bayesian Dirichlet with Uniform Prior (預設值)

貝氏機率分類只接受離散或離散化的屬性，因此無法使用有趣性分數。

此演算法的設計會將處理時間降至最低，並可有效地選取重要性最高的屬性，不過，您可以設定參數來控制此演算法所使用的資料，如下所示：

  • 若要限制當做輸入使用的值，減少 MAXIMUM_INPUT_ATTRIBUTES 的值。

  • 若要限制模型分析的屬性數目，減少 MAXIMUM_OUTPUT_ATTRIBUTES 的值。

  • 若要限制可以針對任何一個屬性考量的值數目，減少 MINIMUM_STATES 的值。

自訂貝氏機率分類演算法

Microsoft 貝氏機率分類演算法支援數個會影響所產生之採礦模型的行為、效能和精確度的參數。您也可以設定模型資料行上的模型旗標來控制處理資料的方式，或設定採礦結構上的旗標來指定處理遺漏值或 Null 值的方式。

設定演算法參數

Microsoft 貝氏機率分類演算法支援數個會影響所產生之採礦模型的效能和精確度的參數。下表描述每一個參數。

  • MAXIMUM_INPUT_ATTRIBUTES
    指定在叫用特徵選取之前，演算法可以處理輸入屬性的最大數目。將此值設定為 0，會停用輸入屬性的特徵選取。

    預設值為 255。

  • MAXIMUM_OUTPUT_ATTRIBUTES
    指定在叫用特徵選取之前，演算法可以處理輸出屬性的最大數目。將此值設定為 0，會停用輸出屬性的特徵選取。

    預設值為 255。

  • MINIMUM_DEPENDENCY_PROBABILITY
    指定介於輸入和輸出屬性之間的最小相依機率。這個值會用來限制演算法所產生之內容的大小。此屬性可設定為 0 到 1。較大的值會減少模型內容中的屬性數目。

    預設值為 0.5。

  • MAXIMUM_STATES
    指定演算法所支援屬性狀態的最大數目。如果屬性擁有的狀態數目大於狀態的最大數目，演算法會使用屬性最常用的狀態並將其餘的狀態視為遺漏。

    預設值是 100。

模型旗標

Microsoft 決策樹演算法支援下列模型旗標。當您建立採礦結構或採礦模型時，您會定義模型旗標來指定分析期間要如何處理每個資料行中的值。如需詳細資訊，請參閱＜模型旗標 (資料採礦)＞。

模型旗標

描述

MODEL_EXISTENCE_ONLY

表示資料行將被視為擁有兩個可能狀態：「遺漏」和「現有」。Null 為遺漏值。

適用於採礦模型資料行。

NOT NULL

表示資料行不能包含 Null 值。如果 Analysis Services 在模型定型期間遇到 Null 值，將會產生錯誤。

適用於採礦結構資料行。

需求

貝氏機率分類樹狀模型必須包含索引鍵資料行、至少一個可預測屬性，以及至少一個輸入屬性。任何屬性都不得為連續的；如果您的資料包含連續數值資料，將會忽略或離散化該資料。

輸入資料行和可預測資料行

Microsoft 貝氏機率分類演算法支援下表所列的特定輸入資料行和可預測資料行。如需有關內容類型用於採礦模型時所代表意義的詳細資訊，請參閱＜內容類型 (資料採礦)＞。

資料行

內容類型

輸入屬性

Cyclical、Discrete、Discretized、Key、Table 和 Ordered

可預測屬性

Cyclical、Discrete、Discretized、Table 和 Ordered

[!附註]

系統支援 Cyclical 和 Ordered 內容類型，但是演算法將它們視為離散值，因此不會執行特殊處理。