Naive Bayes 모델에 대한 마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)Mining Model Content for Naive Bayes Models (Analysis Services - Data Mining)

이 항목에서는 MicrosoftMicrosoft Naive Bayes 알고리즘을 사용하는 모델만의 마이닝 모델 콘텐츠에 대해 설명합니다.This topic describes mining model content that is specific to models that use the MicrosoftMicrosoft Naive Bayes algorithm. 모든 모델 유형에서 공유하는 통계 및 구조를 해석하는 방법에 대한 설명은 마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)를 참조하세요.For an explanation of how to interpret statistics and structure shared by all model types, and general definitions of terms related to mining model content, see Mining Model Content (Analysis Services - Data Mining).

Naive Bayes 모델의 구조 이해Understanding the Structure of a Naive Bayes Model

Naive Bayes 모델에는 모델 및 해당 메타데이터를 나타내는 단일 부모 노드가 있으며 이 부모 노드 아래에는 사용자가 선택한 예측 가능 특성을 나타내는 여러 개의 독립적인 트리가 있습니다.A Naive Bayes model has a single parent node that represents the model and its metadata, and underneath that parent node, any number of independent trees that represent the predictable attributes that you selected. 특성에 대한 트리 외에도 각 모델에는 학습 사례 집합에 대한 기술 통계를 제공하는 하나의 한계 통계 노드(NODE_TYPE = 26)가 포함됩니다.In addition to trees for the attributes, each model contains one marginal statistics node (NODE_TYPE = 26) that provides descriptive statistics about the set of training cases. 자세한 내용은 한계 통계 노드의 정보를 참조하십시오.For more information, see Information in the Marginal Statistics Node.

예측 가능한 각 특성 및 값에 대해 이 모델은 다양한 입력 열이 특정 예측 가능 항목의 결과에 미친 영향을 설명하는 정보가 들어 있는 트리를 출력합니다.For each predictable attribute and value, the model outputs a tree that contains information describing how the various input columns affected the outcome of that particular predictable. 각 트리에는 예측 가능한 특성 및 해당 값이 포함된 다음(NODE_TYPE = 9) 입력 특성을 나타내는 일련의 노드가 포함됩니다(NODE_TYPE = 10).Each tree contains the predictable attribute and its value (NODE_TYPE = 9), and then a series of nodes that represent the input attributes (NODE_TYPE = 10). 입력 특성에는 일반적으로 여러 개의 값이 있으므로 각 입력 특성(NODE_TYPE = 10)에는 각각 특성의 특정 상태를 나타내는 여러 개의 자식 노드(NODE_TYPE = 11)가 있을 수 있습니다.Because the input attributes typically have multiple values, each input attribute (NODE_TYPE = 10) may have multiple child nodes (NODE_TYPE = 11), each for a specific state of the attribute.

참고

Naive Bayes 모델은 연속 데이터 형식을 허용하지 않으므로 입력 열의 모든 값은 불연속 또는 분할된 열로 처리됩니다.Because a Naive Bayes model does not permit continuous data types, all the values of the input columns are treated as discrete or discretized. 값이 분할되는 방식은 사용자가 지정할 수 있습니다.You can specify how a value is discretized. 자세한 내용은 마이닝 모델에서 열의 불연속화 변경을 참조하세요.For more information, Change the Discretization of a Column in a Mining Model.

naïve bayes에 대 한 모델 콘텐츠의 구조structure of model content for naive bayes

Naive Bayes 모델에 대한 모델 콘텐츠Model Content for a Naive Bayes Model

이 섹션에서는 Naive Bayes 모델과 특별히 관련된 마이닝 모델 콘텐츠 열에 대한 세부 정보 및 예만 제공합니다.This section provides detail and examples only for those columns in the mining model content that have particular relevance for Naive Bayes models.

MODEL_CATALOG와 MODEL_NAME을 비롯하여 여기에 설명되지 않은 스키마 행 집합의 범용 열에 대한 자세한 내용 또는 마이닝 모델 용어에 대한 자세한 내용은 마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)를 참조하세요.For information about general-purpose columns in the schema rowset, such as MODEL_CATALOG and MODEL_NAME, that are not described here, or for explanations of mining model terminology, see Mining Model Content (Analysis Services - Data Mining).

MODEL_CATALOGMODEL_CATALOG
모델이 저장되는 데이터베이스의 이름입니다.Name of the database where the model is stored.

MODEL_NAMEMODEL_NAME
모델의 이름입니다.Name of the model.

ATTRIBUTE_NAMEATTRIBUTE_NAME
이 노드에 해당하는 특성의 이름입니다.The names of the attributes that correspond to this node.

모델 루트 예측 가능한 특성의 이름입니다.Model root The name of the predictable attribute.

한계 통계 해당 사항이 없습니다.Marginal statistics Not applicable

예측 가능한 특성 예측 가능한 특성의 이름입니다.Predictable attribute The name of the predictable attribute.

입력 특성 입력 특성의 이름입니다.Input attribute The name of the input attribute.

입력 특성 상태 입력 특성의 이름입니다.Input attribute state The name of the input attribute only. 상태를 가져오려면 MSOLAP_NODE_SHORT_CAPTION을 사용합니다.To get the state, use MSOLAP_NODE_SHORT_CAPTION.

NODE_NAMENODE_NAME
노드 이름입니다.The name of the node.

이 열에는 NODE_UNIQUE_NAME과 동일한 값이 포함됩니다.This column contains the same value as NODE_UNIQUE_NAME.

노드 명명 규칙에 대한 자세한 내용은 노드 이름 및 ID 사용을 참조하십시오.For more information about node naming conventions, see Using Node Names and IDs.

NODE_UNIQUE_NAMENODE_UNIQUE_NAME
노드의 고유한 이름입니다.The unique name of the node. 고유한 이름은 노드 간의 관계에 대한 정보를 제공하는 규칙에 따라 할당됩니다.The unique names are assigned according to a convention that provides information about the relationships among the nodes. 노드 명명 규칙에 대한 자세한 내용은 노드 이름 및 ID 사용을 참조하십시오.For more information about node naming conventions, see Using Node Names and IDs.

NODE_TYPENODE_TYPE
Naive Bayes 모델이 출력하는 노드 유형은 다음과 같습니다.A Naive Bayes model outputs the following node types:

노드 유형 IDNode Type ID DescriptionDescription
26(NaiveBayesMarginalStatNode)26 (NaiveBayesMarginalStatNode) 모델의 전체 학습 사례 집합을 설명하는 통계를 포함합니다.Contains statistics that describes the entire set of training cases for the model.
9(예측 가능한 특성)9 (Predictable attribute) 예측 가능한 특성의 이름을 포함합니다.Contains the name of the predictable-attribute.
10(입력 특성)10 (Input attribute) 입력 특성 열의 이름을 포함하며 특성 값이 있는 자식 노드를 포함합니다.Contains the name of an input attribute column, and child nodes that contains the values for the attribute.
11(입력 특성 상태)11 (Input attribute state) 특정 출력 특성과 연결된 모든 입력 특성의 값 또는 분할된 값을 포함합니다.Contains the values or discretized values of all input attributes that were paired with a particular output attribute.

NODE_CAPTIONNODE_CAPTION
노드와 연결된 레이블 또는 캡션입니다.The label or a caption associated with the node. 이 속성은 주로 표시용으로 사용됩니다.This property is primarily for display purposes.

모델 루트 비어 있습니다.Model root blank

한계 통계 비어 있습니다.Marginal statistics blank

예측 가능한 특성 예측 가능한 특성의 이름입니다.Predictable attribute The name of the predictable attribute.

입력 특성 예측 가능한 특성 및 현재 입력 특성의 이름입니다.Input attribute The name of the predictable attribute and the current input attribute. 예를 들면 다음과 같습니다.Ex:

Bike Buyer -> AgeBike Buyer -> Age

입력 특성 상태 예측 가능한 특성 및 현재 입력 특성의 이름에 입력 값을 추가한 것입니다.Input attribute state The name of the predictable attribute and the current input attribute, plus the value of the input. 예를 들면 다음과 같습니다.Ex:

Bike Buyer -> Age = MissingBike Buyer -> Age = Missing

CHILDREN_CARDINALITYCHILDREN_CARDINALITY
노드에 있는 자식 수입니다.The number of children that the node has.

모델 루트 모델에 있는 예측 가능한 특성 수에 한계 통계 노드에 해당하는 1을 더한 것입니다.Model root Count of predictable attributes in the model plus 1 for the marginal statistics node.

한계 통계 정의에 따르면 자식이 없습니다.Marginal statistics By definition has no children.

예측 가능한 특성 현재 예측 가능한 특성과 관련된 입력 특성의 수입니다.Predictable attribute Count of the input attributes that were related to the current predictable attribute.

입력 특성 현재 입력 특성에 대한 불연속 또는 불연속화된 값의 수입니다.Input attribute Count of the discrete or discretized values for the current input attribute.

입력 특성 상태 항상 0입니다.Input attribute state Always 0.

PARENT_UNIQUE_NAMEPARENT_UNIQUE_NAME
부모 노드의 고유한 이름입니다.The unique name of the parent node. 관련 부모 및 자식 노드에 대한 자세한 내용은 노드 이름 및 ID 사용을 참조하십시오.For more information about relating parent and child nodes, see Using Node Names and IDs.

NODE_DESCRIPTIONNODE_DESCRIPTION
노드 캡션과 같습니다.The same as the node caption.

NODE_RULENODE_RULE
노드 캡션의 XML 표현입니다.An XML representation of the node caption.

MARGINAL_RULEMARGINAL_RULE
노드 규칙과 같습니다.The same as the node rule.

NODE_PROBABILITYNODE_PROBABILITY
이 노드와 관련된 확률입니다.The probability associated with this node.

모델 루트 항상 0입니다.Model root Always 0.

한계 통계 항상 0입니다.Marginal statistics Always 0.

예측 가능한 특성 항상 1입니다.Predictable attribute Always 1.

입력 특성 항상 1입니다.Input attribute Always 1.

입력 특성 상태 현재 값의 확률을 나타내는 10진수입니다.Input attribute state A decimal number that represents the probability of the current value. 부모 입력 특성 노드 아래에 있는 모든 입력 특성 상태의 값을 더하면 1이 됩니다.Values for all input attribute states under the parent input attribute node sum to 1.

MARGINAL_PROBABILITYMARGINAL_PROBABILITY
노드 확률과 같습니다.The same as the node probability.

NODE_DISTRIBUTIONNODE_DISTRIBUTION
노드의 확률 히스토그램을 포함하는 테이블입니다.A table that contains the probability histogram for the node. 자세한 내용은 NODE_DISTRIBUTION 테이블을 참조하세요.For more information, see NODE_DISTRIBUTION Table.

NODE_SUPPORTNODE_SUPPORT
이 노드를 지지하는 사례 수입니다.The number of cases that support this node.

모델 루트 학습 데이터의 모든 사례 수입니다.Model root Count of all cases in training data.

한계 통계 항상 0입니다.Marginal statistics Always 0.

예측 가능한 특성 학습 데이터의 모든 사례 수입니다.Predictable attribute Count of all cases in training data.

입력 특성 학습 데이터의 모든 사례 수입니다.Input attribute Count of all cases in training data.

입력 특성 상태 학습 데이터에서 이 특정 값만 포함된 사례 수입니다.Input attribute state Count of cases in training data that contain only this particular value.

MSOLAP_MODEL_COLUMNMSOLAP_MODEL_COLUMN
표시용 레이블입니다.A label used for display purposes. 일반적으로 ATTRIBUTE_NAME과 같습니다.Usually the same as ATTRIBUTE_NAME.

MSOLAP_NODE_SCOREMSOLAP_NODE_SCORE
모델 내에 있는 특성 또는 값의 중요도를 나타냅니다.Represents the importance of the attribute or value within the model.

모델 루트 항상 0입니다.Model root Always 0.

한계 통계 항상 0입니다.Marginal statistics Always 0.

예측 가능한 특성 항상 0입니다.Predictable attribute Always 0.

입력 특성 현재 예측 가능한 특성과 관련된 현재 입력 특성의 흥미도 점수입니다.Input attribute Interestingness score for the current input attribute in relation to the current predictable attribute.

입력 특성 상태 항상 0입니다.Input attribute state Always 0.

MSOLAP_NODE_SHORT_CAPTIONMSOLAP_NODE_SHORT_CAPTION
열의 이름 또는 값을 나타내는 텍스트 문자열입니다.A text string that represents the name or the value of a column.

모델 루트 비어 있습니다.Model root Blank

한계 통계 비어 있습니다.Marginal statistics Blank

예측 가능한 특성 예측 가능한 특성의 이름입니다.Predictable attribute The name of the predictable attribute.

입력 특성 입력 특성의 이름입니다.Input attribute The name of the input attribute.

입력 특성 상태 입력 특성의 값 또는 불연속화된 값입니다.Input attribute state The value or discretized value of the input attribute.

노드 이름 및 ID 사용 Using Node Names and IDs

Naive Bayes 모델의 노드 이름은 노드 유형에 대한 추가 정보를 제공하므로 이를 통해 모델에 있는 정보 간의 관계를 쉽게 이해할 수 있습니다.The naming of the nodes in a Naive Bayes model provides additional information about the type of node, to make it easier to understand the relationships among the information in the model. 다음 표에서는 다른 노드 유형에 할당되는 ID의 규칙을 보여 줍니다.The following table shows the convention for the IDs that are assigned to different node types.

노드 유형Node Type 노드 ID의 규칙Convention for node ID
모델 루트(1)Model root (1) 항상 0입니다.Always 0.
한계 통계 노드(26)Marginal statistics node (26) 임의의 ID 값입니다.An arbitrary ID value.
예측 가능한 특성(9)Predictable attribute (9) 10000000으로 시작하는 16진수입니다.Hexadecimal number beginning with 10000000

예제: 100000001, 10000000bExample: 100000001, 10000000b
입력 특성(10)Input attribute (10) 두 부분으로 이루어진 16진수입니다. 첫 번째 부분은 항상 20000000이고, 두 번째 부분은 관련된 예측 가능한 특성의 16진수 식별자로 시작합니다.A two-part hexadecimal number where the first part is always 20000000, and the second part starts with the hexadecimal identifier of the related predictable attribute.

예제: 20000000b00000000Example: 20000000b00000000

이 경우 관련된 예측 가능한 특성은 10000000b입니다.In this case, the related predictable attribute is 10000000b.
입력 특성 상태(11)Input attribute state (11) 세 부분으로 이루어진 16진수입니다. 첫 번째 부분은 항상 30000000이고, 두 번째 부분은 관련된 예측 가능한 특성의 16진수 식별자로 시작하며, 세 번째 부분은 값의 식별자를 나타냅니다.A three-part hexadecimal number where the first part is always 30000000, the second part starts with the hexadecimal identifier of the related predictable attribute, and the third part represents the identifier of the value.

예제: 30000000b00000000200000000Example: 30000000b00000000200000000

이 경우 관련된 예측 가능한 특성은 10000000b입니다.In this case, the related predictable attribute is 10000000b.

ID를 사용하여 입력 특성 및 상태를 예측 가능한 특성과 연결할 수 있습니다.You can use the IDs to relate input attributes and states to a predictable attribute. 예를 들어 다음 쿼리는 TM_NaiveBayes모델에 대한 입력 특성과 예측 가능한 특성의 가능한 조합을 나타내는 노드의 이름과 캡션을 반환합니다.For example, the following query returns the names and captions for nodes that represent the possible combinations of input and predictable attributes for the model, TM_NaiveBayes.

SELECT NODE_NAME, NODE_CAPTION  
FROM TM_NaiveBayes.CONTENT  
WHERE NODE_TYPE = 10  

예상 결과:Expected results:

NODE_NAMENODE_NAME NODE_CAPTIONNODE_CAPTION
2000000000000000120000000000000001 Bike Buyer -> Commute DistanceBike Buyer -> Commute Distance
2000000000000000220000000000000002 Bike Buyer -> English EducationBike Buyer -> English Education
2000000000000000320000000000000003 Bike Buyer -> English OccupationBike Buyer -> English Occupation
2000000000000000920000000000000009 Bike Buyer -> Marital StatusBike Buyer -> Marital Status
2000000000000000a2000000000000000a Bike Buyer -> Number Children At HomeBike Buyer -> Number Children At Home
2000000000000000b2000000000000000b Bike Buyer -> RegionBike Buyer -> Region
2000000000000000c2000000000000000c Bike Buyer -> Total ChildrenBike Buyer -> Total Children

그런 다음 부모 노드의 ID를 사용하여 자식 노드를 검색할 수 있습니다.You can then use the IDs of the parent nodes to retrieve the child nodes. 다음 쿼리는 Marital Status 특성의 값이 포함된 노드를 각 노드의 확률과 함께 검색합니다.The following query retrieves the nodes that contain values for the Marital Status attribute, together with the probability of each node.

SELECT NODE_NAME, NODE_CAPTION, NODE_PROBABILITY  
FROM TM_NaiveBayes.CONTENT  
WHERE NODE_TYPE = 11  
AND [PARENT_UNIQUE_NAME] = '20000000000000009'  
참고

PARENT_UNIQUE_NAME 열의 이름은 대괄호로 묶어 동일한 이름의 예약 키워드와 구분해야 합니다.The name of the column, PARENT_UNIQUE_NAME, must be enclosed in brackets to distinguish it from the reserved keyword of the same name.

예상 결과:Expected results:

NODE_NAMENODE_NAME NODE_CAPTIONNODE_CAPTION NODE_PROBABILITYNODE_PROBABILITY
30000000000000009000000003000000000000000900000000 Bike Buyer -> Marital Status = MissingBike Buyer -> Marital Status = Missing 00
30000000000000009000000013000000000000000900000001 Bike Buyer -> Marital Status = SBike Buyer -> Marital Status = S 0.4575040040.457504004
30000000000000009000000023000000000000000900000002 Bike Buyer -> Marital Status = MBike Buyer -> Marital Status = M 0.5424959960.542495996

NODE_DISTRIBUTION 테이블 NODE_DISTRIBUTION Table

중첩 테이블 열 NODE_DISTRIBUTION은 일반적으로 노드의 값 배포에 대한 통계를 포함합니다.The nested table column, NODE_DISTRIBUTION, typically contains statistics about the distribution of values in the node. Naive Bayes 모델에서 이 테이블은 다음 노드에 대해서만 채워집니다.In a Naive Bayes model, this table is populated only for the following nodes:

노드 유형Node Type 중첩 테이블의 내용Content of nested table
모델 루트(1)Model root (1) 비어 있습니다.Blank.
한계 통계 노드(24)Marginal statistics node (24) 전체 학습 데이터 집합에 대한 모든 예측 가능한 특성 및 입력 특성의 요약 정보를 포함합니다.Contains summary information for all predictable attributes and input attributes, for entire set of training data.
예측 가능한 특성(9)Predictable attribute (9) 비어 있습니다.Blank.
입력 특성(10)Input attribute (10) 비어 있습니다.Blank.
입력 특성 상태(11)Input attribute state (11) 예측 가능한 값 및 입력 특성 값의 이 특정 조합에 대해 학습 데이터의 값 분포를 설명하는 통계를 포함합니다.Contains statistics that describe the distribution of values in the training data for this particular combination of a predictable value and input attribute value.

노드 ID 또는 노드 캡션을 사용하여 높은 수준의 세부 정보를 검색할 수 있습니다.You can use the node IDs or node captions to retrieve increasing levels of detail. 예를 들어 다음 쿼리는 NODE_DISTRIBUTION 테이블에서 'Marital Status = S'값과 관련된 입력 특성 노드에 대한 특정 열만 검색합니다.For example, the following query retrieves specific columns from the NODE_DISTRIBUTION table for only those input attribute nodes that are related to the value, 'Marital Status = S'.

SELECT FLATTENED NODE_CAPTION,  
(SELECT ATTRIBUTE_NAME, ATTRIBUTE_VALUE, [SUPPORT], [PROBABILITY], VALUETYPE  
FROM NODE_DISTRIBUTION) as t  
FROM TM_NaiveBayes.content  
WHERE NODE_TYPE = 11  
AND NODE_CAPTION = 'Bike Buyer -> Marital Status = S'  

예상 결과:Expected results:

NODE_CAPTIONNODE_CAPTION t.ATTRIBUTE_NAMEt.ATTRIBUTE_NAME t.ATTRIBUTE_VALUEt.ATTRIBUTE_VALUE t.SUPPORTt.SUPPORT t.PROBABILITYt.PROBABILITY t.VALUETYPEt.VALUETYPE
Bike Buyer -> Marital Status = SBike Buyer -> Marital Status = S Bike BuyerBike Buyer MissingMissing 00 00 1.1
Bike Buyer -> Marital Status = SBike Buyer -> Marital Status = S Bike BuyerBike Buyer 00 37833783 0.4729341170.472934117 44
Bike Buyer -> Marital Status = SBike Buyer -> Marital Status = S Bike BuyerBike Buyer 1.1 42164216 0.5270658830.527065883 44

이러한 결과에서 SUPPORT 열의 값은 자전거를 구매한 고객 수를 결혼 여부와 함께 알려 줍니다.In these results, the value of the SUPPORT column tells you the count of customers with the specified marital status who purchased a bike. PROBABILITY 열에는 이 노드에 대해서만 계산되는 각 특성 값의 확률이 포함됩니다.The PROBABILITY column contains the probability of each attribute value, as calculated for this node only. NODE_DISTRIBUTION 테이블에서 사용되는 용어의 일반적인 정의는 마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)를 참조하세요.For general definitions of terms used in the NODE_DISTRIBUTION table, see Mining Model Content (Analysis Services - Data Mining).

한계 통계 노드의 정보 Information in the Marginal Statistics Node

Naive Bayes 모델에서 한계 통계 노드의 중첩 테이블에는 전체 학습 데이터 집합의 값 분포가 포함됩니다.In a Naive Bayes model, the nested table for the marginal statistics node contains the distribution of values for the entire set of training data. 예를 들어 다음 표에서는 TM_NaiveBayes모델에 대한 NODE_DISTRIBUTION 중첩 테이블의 통계 목록을 일부 보여 줍니다.For example, the following table contains a partial list of the statistics in the nested NODE_DISTRIBUTION table for the model, TM_NaiveBayes:

ATTRIBUTE_NAMEATTRIBUTE_NAME ATTRIBUTE_VALUEATTRIBUTE_VALUE SUPPORTSUPPORT PROBABILITYPROBABILITY VARIANCEVARIANCE VALUETYPEVALUETYPE
Bike BuyerBike Buyer MissingMissing 00 00 00 1.1
Bike BuyerBike Buyer 00 88698869 0.5072637840.507263784 00 44
Bike BuyerBike Buyer 1.1 86158615 0.4927362160.492736216 00 44
Marital StatusMarital Status MissingMissing 00 00 00 1.1
Marital StatusMarital Status SS 79997999 0.4575040040.457504004 00 44
Marital StatusMarital Status MM 94859485 0.5424959960.542495996 00 44
Total ChildrenTotal Children MissingMissing 00 00 00 1.1
Total ChildrenTotal Children 00 48654865 0.2782544040.278254404 00 44
Total ChildrenTotal Children 33 20932093 0.1197094490.119709449 00 44
Total ChildrenTotal Children 1.1 34063406 0.194806680.19480668 00 44

한계 통계 노드는 항상 예측 가능한 특성 및 해당 특성의 가능한 값에 대한 설명을 포함하므로 [Bike Buyer] 열이 포함됩니다.The [Bike Buyer] column is included because the marginal statistics node always contains a description of the predictable attribute and its possible values. 나열된 다른 모든 열은 입력 특성을 모델에 사용된 값과 함께 나타냅니다.All other columns that are listed represent input attributes, together with the values that were used in the model. 값은 Missing, Discrete 또는 Discretized만 될 수 있습니다.Values can only be missing, discrete or discretized.

Naive Bayes 모델에는 연속 특성이 있을 수 없으므로 모든 숫자 데이터는 Discrete(VALUE_TYPE = 4) 또는 Discretized(VALUE_TYPE = 5)로 표현됩니다.In a Naive Bayes model, there can be no continuous attributes; therefore, all numeric data is represented as either discrete (VALUE_TYPE = 4) or discretized (VALUE_TYPE = 5).

Missing 값(VALUE_TYPE = 1)은 모든 입력 및 출력 특성에 추가되어 학습 데이터에 없었던 잠재적인 값을 나타냅니다.A Missing value (VALUE_TYPE = 1) is added to every input and output attribute to represent potential values that were not present in the training data. 문자열 "missing"과 기본 Missing 값을 주의해서 구별해야 합니다.You must be careful to distinguish between "missing" as a string and the default Missing value. 자세한 내용은 누락 값(Analysis Services - 데이터 마이닝)을 참조하세요.For more information, see Missing Values (Analysis Services - Data Mining).

관련 항목:See Also

마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝) Mining Model Content (Analysis Services - Data Mining)
데이터 마이닝 모델 뷰어 Data Mining Model Viewers
데이터 마이닝 쿼리 Data Mining Queries
Microsoft Naive Bayes 알고리즘Microsoft Naive Bayes Algorithm