Microsoft Decision Trees-algoritm

Gäller för: SQL Server 2019 och tidigare Analysis Services Azure Analysis Services Fabric/Power BI Premium

Algoritmen Microsoft Decision Trees är en klassificerings- och regressionsalgoritm för användning i förutsägelsemodellering av både diskreta och kontinuerliga attribut.

För diskreta attribut gör algoritmen förutsägelser baserat på relationerna mellan indatakolumner i en datauppsättning. Algoritmen använder värdena eller tillstånden för dessa kolumner för att förutsäga tillståndet för en kolumn som du anger som förutsägbar. Mer specifikt identifierar algoritmen de indatakolumner som är korrelerade med den förutsägbara kolumnen.

Till exempel, i ett scenario för att förutsäga vilka kunder som sannolikt kommer att köpa en cykel, om nio av tio yngre kunder men bara två av tio äldre kunder köper en cykel, kommer algoritmen att dra slutsatsen att ålder är en bra förutsägelse av cykelköp. Beslutsträdet gör förutsägelser baserat på den här tendensen till ett visst resultat.

För kontinuerliga attribut använder algoritmen linjär regression för att avgöra var ett beslutsträd delas.

Om mer än en kolumn är inställd på förutsägbar, eller om indata innehåller en kapslad tabell som är inställd på förutsägbar, skapar algoritmen ett separat beslutsträd för varje förutsägbar kolumn.

Example

Marknadsföringsavdelningen på Adventure Works Cycles-företaget vill identifiera egenskaperna hos tidigare kunder som kan indikera om dessa kunder sannolikt kommer att köpa en produkt i framtiden. Databasen AdventureWorks2012 lagrar demografisk information som beskriver tidigare kunder. Genom att använda algoritmen Microsoft Decision Trees för att analysera den här informationen kan marknadsföringsavdelningen skapa en modell som förutsäger om en viss kund kommer att köpa produkter, baserat på tillstånden för kända kolumner om kunden, till exempel demografi eller tidigare köpmönster.

Så här fungerar algoritmen

Algoritmen Microsoft Decision Trees bygger en datautvinningsmodell genom att skapa en serie delningar i trädet. Dessa delningar representeras som noder. Algoritmen lägger till en nod i modellen varje gång den hittar en indatakolumn som är avsevärt korrelerad med den förutsägbara kolumnen. Hur algoritmen avgör en delning skiljer sig beroende på om den förutsäger en kontinuerlig kolumn eller en diskret kolumn.

Algoritmen Microsoft Decision Trees använder funktionsval för att vägleda valet av de mest användbara attributen. Alla SQL Server datautvinningsalgoritmer använder funktionsval för att förbättra prestanda- och analyskvaliteten och förhindra att oviktiga attribut använder processortid. Om du använder för många indata eller förutsägbara attribut när du utformar en datautvinningsmodell kan det ta lång tid för modellen att bearbeta eller få slut på minne. Metoder som används för att avgöra om trädet ska delas upp är branschstandardmått för entropi - och Bayesianska nätverk. Mer information om de metoder som används för att välja meningsfulla attribut och sedan poängsätta och rangordna attributen finns i Funktionsval (datautvinning).

Ett vanligt problem i datautvinningsmodeller är att modellen blir för känslig för små skillnader i träningsdata, vilket kallas överanpassad eller övertränad. En överanpassad modell kan inte generaliseras till andra datamängder. För att undvika överanpassning av en viss uppsättning data använder Microsoft Decision Trees Algorithm tekniker för att kontrollera trädets tillväxt. En detaljerad förklaring av hur algoritmen för Microsoft beslutsträd fungerar finns i teknisk referens för Microsoft Decision Trees Algorithm.

Förutsäga diskreta kolumner

Algoritmen Microsoft Decision Trees skapar ett träd för en diskret förutsägbar kolumn med hjälp av ett histogram. Följande diagram visar ett histogram som ritar en förutsägbar kolumn, Cykelköpare, mot en indatakolumn, Ålder. Histogrammet visar att en persons ålder hjälper till att skilja på om den personen köper en cykel.

Korrelationen som visas i diagrammet gör att algoritmen Microsoft Beslutsträd skapar en ny nod i modellen.

När algoritmen lägger till nya noder i en modell skapas en trädstruktur. Den översta noden i trädet beskriver uppdelningen av den förutsägbara kolumnen för den totala kundpopulationen. När modellen fortsätter att växa tar algoritmen hänsyn till alla kolumner.

Förutsäga kontinuerliga kolumner

När algoritmen Microsoft Decision Trees bygger ett träd baserat på en kontinuerlig förutsägbar kolumn innehåller varje nod en regressionsformel. En delning sker vid en punkt med icke-linjäritet i regressionsformeln. Tänk till exempel på följande diagram.

En standardregressionsmodell försöker härleda en enda formel som representerar trenden och relationerna för data som helhet. En enda formel kan dock göra ett dåligt jobb med att samla in diskontinuiteten i komplexa data. I stället söker algoritmen Microsoft Decision Trees efter segment i trädet som till stor del är linjära och skapar separata formler för dessa segment. Genom att dela upp data i olika segment kan modellen göra ett bättre jobb med att approximera data.

Följande diagram representerar träddiagrammet för modellen i föregående punktdiagram. För att förutsäga resultatet innehåller modellen två olika formler: en för den vänstra grenen med formeln y = .5x x 5 och en för den högra grenen med formeln y = .25x + 8,75. Den punkt där de två linjerna samlas i punktdiagrammet är punkten för icke-linjäritet där en nod i en beslutsträdmodell delas.

Den här modellen är enkel med endast två linjära ekvationer, så delningen i trädet sker omedelbart efter noden Alla . En delning kan dock ske på vilken nivå som helst av trädet. I ett träd som innehåller flera nivåer och noder där varje nod kännetecknas av en annan samling attribut, kan en formel delas över flera noder eller endast tillämpas på en enda nod.

Du kan till exempel få en formel för en nod som definieras som "kunder över en viss ålder och inkomst" och en annan i en nod som representerar "kunder som pendlar långa sträckor". Om du vill se formeln för en enskild nod eller ett enskilt segment väljer du noden.

Data som krävs för beslutsträdsmodeller

När du förbereder data för användning i en beslutsträdsmodell förstår du kraven för den specifika algoritmen, inklusive hur mycket data den behöver och hur de använder data.

Kraven för en beslutsträdsmodell är följande:

• En enda nyckelkolumn. Varje modell måste innehålla en numerisk kolumn eller en textkolumn som identifierar varje post unikt. Sammansatta nycklar är inte tillåtna.

• En förutsägbar kolumn. Modellen kräver minst en förutsägbar kolumn. Du kan inkludera flera förutsägbara attribut i en modell, och de förutsägbara attributen kan vara av olika typer, antingen numeriska eller diskreta. Om du ökar antalet förutsägbara attribut kan bearbetningstiden öka.

• Indatakolumner. Modellen kräver indatakolumner som kan vara diskreta eller kontinuerliga. Att öka antalet indataattribut påverkar bearbetningstiden.

Detaljerad information om de innehållstyper och datatyper som stöds för beslutsträdsmodeller finns i avsnittet Krav i den tekniska referensen Microsoft Decision Trees Algorithm.

Visa en beslutsträdsmodell

Om du vill utforska modellen använder du Microsoft Tree Viewer. Om din modell genererar flera träd kan du välja ett träd och se en uppdelning av hur fallen kategoriseras för varje förutsägbart attribut. Du kan också visa trädens interaktion med hjälp av beroendenätverkets visningsprogram. Mer information finns i Bläddra i en modell med hjälp av Microsoft Tree Viewer.

Om du vill ha mer information om en gren eller nod i trädet kan du också bläddra i modellen med hjälp av Microsoft Generic Content Tree Viewer. Innehållet som lagras för modellen innehåller fördelningen för alla värden i varje nod, sannolikheter på varje nivå i trädet och regressionsformler för kontinuerliga attribut. Mer information finns i Mining Model Content for Decision Tree Models (Analysis Services – Data Mining).

Skapa förutsägelser

När modellen har bearbetats lagrar den resultatet som en uppsättning mönster och statistik. Använd dessa resultat för att utforska relationer eller göra förutsägelser.

Exempel på frågor som ska användas med en beslutsträdsmodell finns i Frågeexempel för beslutsträdsmodell.

Allmän information om hur du skapar frågor mot gruvmodeller finns i Frågor om datautvinning.

Anmärkningar

• Stöder användning av PMML (Predictive Model Markup Language) för att skapa gruvmodeller.

• Stöder visning av detaljerad information.

• Stöder användning av OLAP-gruvmodeller och skapande av datautvinningsdimensioner.

Se även

Algoritmer för datautvinning (Analysis Services – datautvinning)
Teknisk referens för Microsoft Decision Trees-algoritmen
Frågeexempel för Decision Trees-modell
Innehåll i datautvinningsmodeller för beslutsträd (Analysis Services – datautvinning)