MS贝叶斯分析算法

MS贝叶斯分析算法

1. 它是一种基于贝叶斯定理的分类算法，有多个底层算法支撑，该算法运算量小，可以使用该算法进行初步探测，再根据结果使用更精确的预测算法。

2. 在给定可预测列的各种可能状态的情况下，贝叶斯算法将计算每个输入列的每种状态的概率。（非常重要的概念）

3. 贝叶斯算法的输入、输出都必须为二元值属性（是、否），其它所有类型都不支持。

4. 创建贝叶斯算法挖掘结构
   4.1. 新增挖掘结构视图如下，因为之前返回的是数值型的0/1，而贝叶斯不接受二元值以外的类型，所以将返回结构修改为字符型，这样贝叶斯就可结构这样的结果（是0，非0，是1，非1）
   create view v_DM_DecisionTree
   as
   select v.*, ve.active, ve.age, ve.grade, ve.isSMS, ve.type
   ,case
   when exists(
   select 1
   from [dbo].[FactVipSaleAndBonus] vsb
   join [dbo].[DimDate] d on d.dateKey=vsb.dateKey
   where vsb.vipKey=v.vipKey
   ) then ‘1’—注意，区别在这里
   else ‘0’ —注意，区别在这里
   end isBuyer
   from [dbo].[DimVip] v
   join [dbo].[DimVipExt] ve on ve.vipKey=v.vipKey
   4.2. 参考之前的方式创建基于贝叶斯算法的挖掘模型

5. 挖掘模型查看器
   5.1. 依赖关系网络：显示了输出列与输入列间的依赖关系，及关系的强弱-》调节左侧滚动条可观察依赖关系的强弱
   5.2. 属性配置文件：显示了各个数据列的各种状态下对输出列的各种状态的影响，或者说分布情况-》点击输出列的某个状态下的方框-》通过挖掘图例可以看到该输入列的各个状态在输出列的该状态下的分布情况
   5.3. 属性特征：显示了某输出列的某个状态的个输入列的各状态出现的概率
   5.4. 属性对比：对比了输出列的两个状态的属性特征

6. 挖掘准确性图表参考之前的挖掘算法的使用

7. 挖掘模型预测
   7.1. 挖掘模型：要使用的挖掘模型-》点击“选择模型”来选择相应的挖掘模型
   7.2. 选择输入表：就是要挖掘的数据的储存表-》点击“选择示例表”来选择相应的数据表-》右键“选择的输入表”-》修改连接（这里可以看到输入表的字段与挖掘模型的字段间的对应关系，如果输入表没有挖掘模型对应的输入字段，则选择unknown字段作为补充）
   7.3. 挖掘查询条件配置：在下方可配置挖掘查询的条件
   7.3.1. 源：“预测函数”-》字段：“PredictProbability”-》条件/参数：拖入挖掘模型的输出字段（这步的意思是定义用什么函数来预测所要预测是字段）
   7.3.2. 源：拖入挖掘模型的输出字段-》条件/参数：“=1”，意思是预测输出结果为1的数据
   7.3.3. 设置输入表通过挖掘后要输出的列-》选择输入表-》选择要输出的输入表的列-》重复着两步
   7.3.4. 查看预测结果-》左上角有标志，点击后可查看预测结果

8. 附图
   8.1. 挖掘模型预测的配置
   

8.2. 挖掘模型预测结果

这是预测结果，第一列是概率，后面是会员信息