Algoritmo Microsoft Neural NetworkMicrosoft Neural Network Algorithm

Si applica a: yesSQL Server Analysis Services alcunAzure Analysis ServicesAPPLIES TO: yesSQL Server Analysis Services noAzure Analysis Services

L'algoritmo MicrosoftMicrosoft Neural Network è un'implementazione dell'architettura di rete neurale diffusa e flessibile per l'apprendimento automatico.The MicrosoftMicrosoft Neural Network algorithm is an implementation of the popular and adaptable neural network architecture for machine learning. Il funzionamento dell'algoritmo si basa sulla verifica di ogni possibile stato dell'attributo di input rispetto a ogni possibile stato dell'attributo di stima e sul calcolo delle probabilità per ogni combinazione in base ai dati di training.The algorithm works by testing each possible state of the input attribute against each possible state of the predictable attribute, and calculating probabilities for each combination based on the training data. Queste probabilità possono quindi essere usate a scopo di classificazione o regressione o per stimare un risultato, sulla base di alcuni attributi di input.You can use these probabilities for both classification or regression tasks, to predict an outcome based on some input attributes. Una rete neurale può essere usata anche per l'analisi di associazione.A neural network can also be used for association analysis.

Quando si crea un modello di data mining con l'algoritmo MicrosoftMicrosoft Neural Network, è possibile includere più output e l'algoritmo creerà più reti.When you create a mining model using the MicrosoftMicrosoft Neural Network algorithm, you can include multiple outputs, and the algorithm will create multiple networks. Il numero di reti incluse in un singolo modello di data mining dipende dal numero di stati (o valori di attributi) contenuti nelle colonne di input, nonché dal numero di colonne stimabili usate dal modello e dal numero di stati in tale colonne.The number of networks contained in a single mining model contains depends on the number of states (or attribute values) in the input columns, as well as the number of predictable columns that the mining model uses and the number of states in those columns.

EsempioExample

L'algoritmo MicrosoftMicrosoft Neural Network è utile per l'analisi di dati di input complessi, ad esempio relativi a un processo di produzione o commerciale, oppure di problemi aziendali per i quali è disponibile una quantità significativa di dati di training ma non è possibile derivare facilmente regole specifiche tramite altri algoritmi.The MicrosoftMicrosoft Neural Network algorithm is useful for analyzing complex input data, such as from a manufacturing or commercial process, or business problems for which a significant quantity of training data is available but for which rules cannot be easily derived by using other algorithms.

Tra gli scenari consigliati per l'utilizzo dell'algoritmo MicrosoftMicrosoft Neural Network sono inclusi i seguenti:Suggested scenarios for using the MicrosoftMicrosoft Neural Network algorithm include the following:

  • Analisi di marketing e di promozioni, ad esempio la misurazione del successo di una promozione tramite mailing diretto o di una campagna pubblicitaria radiofonicaMarketing and promotion analysis, such as measuring the success of a direct mail promotion or a radio advertising campaign

  • Stima di fluttuazioni del mercato azionario e valutarie o di altre informazioni finanziarie ad elevata variabilità in base a dati cronologiciPredicting stock movement, currency fluctuation, or other highly fluid financial information from historical data

  • Analisi di processi di produzione e industrialiAnalyzing manufacturing and industrial processes

  • Text miningText mining

  • Qualsiasi modello di stima che analizza le relazioni complesse tra molti input e un numero relativamente basso di outputAny prediction model that analyzes complex relationships between many inputs and relatively fewer outputs

Funzionamento dell'algoritmoHow the Algorithm Works

L'algoritmo MicrosoftMicrosoft Neural Network crea una rete composta da un massimo di tre livelli di nodi, a volte definiti neuroni.The MicrosoftMicrosoft Neural Network algorithm creates a network that is composed of up to three layers of nodes (sometimes called neurons). Tali livelli rappresentano il livello di input, il livello nascostoe il livello di output.These layers are the input layer, the hidden layer, and the output layer.

Livello di input : i nodi di input definiscono tutti i valori dell'attributo di input per il modello di data mining e le relative probabilità.Input layer: Input nodes define all the input attribute values for the data mining model, and their probabilities.

Livello nascosto : i nodi nascosti ricevono input dai nodi di input e forniscono output ai nodi di output.Hidden layer: Hidden nodes receive inputs from input nodes and provide outputs to output nodes. Alle diverse probabilità degli input vengono assegnati pesi sul livello nascosto.The hidden layer is where the various probabilities of the inputs are assigned weights. Un peso descrive la pertinenza o l'importanza di un particolare input rispetto al nodo nascosto.A weight describes the relevance or importance of a particular input to the hidden node. Maggiore è il peso assegnato a un input, più importante è il valore di quell'input.The greater the weight that is assigned to an input, the more important the value of that input is. Quando i pesi sono negativi, l'input può inibire, anziché favorire, un risultato specifico.Weights can be negative, which means that the input can inhibit, rather than favor, a specific result.

Livello di output : i nodi di output rappresentano valori dell'attributo stimabile per il modello di data mining.Output layer: Output nodes represent predictable attribute values for the data mining model.

Per una spiegazione dettagliata della creazione dei livelli di output, input e nascosti e dell'assegnazione dei punteggi a tali livelli, vedere Riferimento tecnico per l'algoritmo Microsoft Neural Network.For a detailed explanation of how the input, hidden, and output layers are constructed and scored, see Microsoft Neural Network Algorithm Technical Reference.

Dati necessari per modelli di rete neuraleData Required for Neural Network Models

Un modello di rete neurale deve contenere una colonna chiave, una o più colonne di input e una o più colonne stimabili.A neural network model must contain a key column, one or more input columns, and one or more predictable columns.

I modelli di data mining che usano l'algoritmo MicrosoftMicrosoft Neural Network dipendono considerevolmente dai valori specificati per i parametri disponibili per l'algoritmo.Data mining models that use the MicrosoftMicrosoft Neural Network algorithm are heavily influenced by the values that you specify for the parameters that are available to the algorithm. I parametri definiscono le modalità di campionamento e distribuzione dei dati in ciascuna colonna e stabiliscono quando deve essere chiamata la selezione delle caratteristiche per limitare i valori utilizzati nel modello finale.The parameters define how data is sampled, how data is distributed or expected to be distributed in each column, and when feature selection is invoked to limit the values that are used in the final model.

Per altre informazioni sull'impostazione di parametri per personalizzare il comportamento del modello, vedere Riferimento tecnico per l'algoritmo Microsoft Neural Network.For more information about setting parameters to customize model behavior, see Microsoft Neural Network Algorithm Technical Reference.

Visualizzazione di un modello di rete neuraleViewing a Neural Network Model

Per usare i dati e osservare il modo in cui il modello mette in correlazione gli input con gli output, usare il Visualizzatore Microsoft Neural Network.To work with the data and see how the model correlates inputs with outputs, you can use the Microsoft Neural Network Viewer. Tramite questo visualizzatore personalizzato, è possibile impostare un filtro sugli attributi di input e i relativi valori e visualizzarne graficamente l'impatto sugli output.With this custom viewer, you can filter on input attributes and their values, and see graphs that show how they affect the outputs. Le descrizioni comandi nel visualizzatore mostrano la probabilità e l'accuratezza associate a ogni coppia di valori di input e output.Tooltips in the viewer show the probability and lift associated with each pair of input and output values. Per altre informazioni, vedere Visualizzare un modello usando il Visualizzatore Microsoft Neural Network.For more information, see Browse a Model Using the Microsoft Neural Network Viewer.

Il modo più semplice per esplorare la struttura del modello consiste nell'usare il Microsoft Generic Content Tree Viewer.The easiest way to explore the structure of the model is to use the Microsoft Generic Content Tree Viewer. È possibile visualizzare gli input, gli output e le reti creati dal modello e fare clic su qualsiasi nodo per espanderlo e visualizzare le statistiche correlate ai nodi di input, output o dei livelli nascosti.You can view the inputs, outputs, and networks created by the model, and click on any node to expand it and see statistics related to the input, output, or hidden layer nodes. Per altre informazioni, vedere Visualizzare un modello usando Microsoft Generic Content Tree Viewer.For more information, see Browse a Model Using the Microsoft Generic Content Tree Viewer.

Creazione di stimeCreating Predictions

Dopo avere elaborato il modello, è possibile utilizzare la rete e i pesi archiviati in ciascun nodo per fare delle stime.After the model has been processed, you can use the network and the weights stored within each node to make predictions. Un modello di rete neurale supporta l'analisi di regressione, classificazione e associazione. Pertanto, il significato di ogni stima potrebbe essere diverso.A neural network model supports regression, association, and classification analysis, Therefore, the meaning of each prediction might be different. È anche possibile eseguire una query sul modello stesso, allo scopo di esaminare le correlazioni trovate e recuperare le statistiche correlate.You can also query the model itself, to review the correlations that were found and retrieve related statistics. Per alcuni esempi di come creare query su un modello di rete neurale, vedere Esempi di query sul modello di rete neurale.For examples of how to create queries against a neural network model, see Neural Network Model Query Examples.

Per informazioni generali sulla creazione di query su un modello di data mining, vedere Query di data mining.For general information about how to create a query on a data mining model, see Data Mining Queries.

OsservazioniRemarks

  • Non supporta il drill-through di dimensioni di data mining.Does not support drillthrough or data mining dimensions. Questo perché la struttura dei nodi nel modello di data mining non corrisponde necessariamente in modo diretto ai dati sottostanti.This is because the structure of the nodes in the mining model does not necessarily correspond directly to the underlying data.

  • Non supporta la creazione di modelli nel formato PMML (Predictive Model Markup Language).Does not support the creation of models in Predictive Model Markup Language (PMML) format.

  • Supporta l'utilizzo di modelli di data mining OLAP.Supports the use of OLAP mining models.

  • Non supporta la creazione di dimensioni di data mining.Does not support the creation of data mining dimensions.

Vedere ancheSee Also

Riferimento tecnico l'algoritmo Microsoft Neural Network Microsoft Neural Network Algorithm Technical Reference
Contenuto del modello di data mining per i modelli di rete neurale & #40; Analysis Services - Data Mining & #41; Mining Model Content for Neural Network Models (Analysis Services - Data Mining)
Esempi di Query del modello di rete neurale Neural Network Model Query Examples
Algoritmo Microsoft Logistic RegressionMicrosoft Logistic Regression Algorithm