Compartir a través de


Microsoft Neural Network Algorithm

Se aplica a: SQL Server 2019 y versiones anteriores de Analysis Services Azure Analysis Services Fabric/Power BI Premium

Importante

La minería de datos estaba en desuso en SQL Server 2017 Analysis Services y ahora se ha interrumpido en SQL Server 2022 Analysis Services. La documentación no se actualiza para las características en desuso e interrumpidas. Para más información, consulte Compatibilidad con versiones anteriores de Analysis Services.

El algoritmo de red neuronal de Microsoft es una implementación de la arquitectura de red neuronal popular y adaptable para el aprendizaje automático. El algoritmo prueba cada posible estado del atributo de entrada con cada posible estado del atributo de predicción, y calcula las probabilidades de cada combinación según los datos de aprendizaje. Puede usar estas probabilidades para las tareas de clasificación o regresión para predecir un resultado en función de algunos atributos de entrada. También se puede usar una red neuronal para el análisis de asociación.

Al crear un modelo de minería de datos mediante el algoritmo de red neuronal de Microsoft, puede incluir varias salidas y el algoritmo creará varias redes. El número de redes incluidas en un modelo de minería de datos depende del número de estados (o valores de atributo) de las columnas de entrada, así como del número de columnas de predicción que usa el modelo de minería de datos y el número de estados de dichas columnas.

Ejemplo

El algoritmo de red neuronal de Microsoft es útil para analizar datos de entrada complejos, como desde un proceso de fabricación o comercial, o problemas empresariales para los que hay disponible una cantidad significativa de datos de entrenamiento, pero para las que las reglas no se pueden derivar fácilmente mediante otros algoritmos.

Entre los escenarios sugeridos para usar el algoritmo de red neuronal de Microsoft se incluyen los siguientes:

  • Análisis de comercialización y promoción, como medir el éxito de una promoción por correo directo o una campaña publicitaria en la radio.

  • Predecir los movimientos de las acciones, la fluctuación de la moneda u otra información financiera con gran número de cambios a partir de los datos históricos.

  • Analizar los procesos industriales y de producción.

  • Minería de texto.

  • Cualquier modelo de predicción que analice relaciones complejas entre muchas entradas y relativamente pocas salidas.

Cómo funciona el algoritmo

El algoritmo de red neuronal de Microsoft crea una red que se compone de hasta tres capas de nodos (a veces denominadas neuronas). Estos niveles son el nivel de entrada, el nivel ocultoy el nivel de salida.

Nivel de entrada : los nodos de entrada definen todos los valores de atributos de entrada para el modelo de minería de datos, así como sus probabilidades.

Nivel oculto : los nodos ocultos reciben entradas de los nodos de entrada y proporcionan salidas a los nodos de salida. El nivel oculto es donde se asignan pesos a las distintas probabilidades de las entradas. Un peso describe la relevancia o importancia de una entrada determinada para el nodo oculto. Cuanto mayor sea el peso asignado a una entrada, más importante será el valor de dicha entrada. Los pesos pueden ser negativos, lo que significa que la entrada puede impedir, en lugar de activar, un resultado concreto.

Nivel de salida : los nodos de salida representan valores de atributo de predicción para el modelo de minería de datos.

Para obtener una explicación detallada sobre cómo se construyen y puntúan los niveles de entrada, los niveles de salida y los niveles ocultos, vea Referencia técnica del algoritmo de red neuronal de Microsoft.

Datos requeridos para los modelos de red neuronal

El modelo de red neuronal debe contener una columna de clave, una o más columnas de entrada y una o más columnas de predicción.

Los modelos de minería de datos que usan el algoritmo de red neuronal de Microsoft están muy influenciados por los valores que se especifican para los parámetros que están disponibles para el algoritmo. Los parámetros definen cómo se muestrean los datos, cómo se distribuyen o cómo se espera que estén distribuidos en cada columna, y cuándo se invoca la selección de características para limitar los valores usados en el modelo final.

Para obtener más información sobre cómo establecer parámetros para personalizar el comportamiento del modelo, vea Referencia técnica del algoritmo de red neuronal de Microsoft.

Ver un modelo de red neuronal

Para trabajar con los datos y ver cómo el modelo pone en correlación las entradas y salidas, puede usar el Visor de redes neuronales de Microsoft. Con este visor personalizado, puede filtrar los atributos de entrada y sus valores, y ver gráficamente cómo afectan a las salidas. La información sobre herramientas del visor muestra la probabilidad y la mejora respecto al modelo predictivo asociados a cada par de valores de entrada y de salida. Para más información, vea Examinar un modelo usando el Visor de redes neuronales de Microsoft.

La manera más fácil de explorar la estructura del modelo consiste en usar el Visor de árbol de contenido genérico de Microsoft. Este visor le permitirá ver las entradas, las salidas y las redes creadas por el modelo, así como hacer clic en cualquier nodo para expandirlo y ver las estadísticas relacionadas con los niveles de entrada, los niveles de salida y los niveles ocultos de los nodos. Para obtener más información, vea Examinar un modelo usando el Visor de árbol de contenido genérico de Microsoft.

Crear predicciones

Una vez procesado el modelo, puede usar la red y los pesos almacenados dentro de cada nodo para realizar predicciones. Un modelo de red neuronal admite el análisis de regresión, de asociación y de clasificación. Por lo tanto, el significado de cada predicción puede ser diferente. También puede consultar el propio modelo, revisar las correlaciones encontradas y recuperar las estadísticas relacionadas. Para obtener ejemplos de cómo crear consultas en un modelo de red neuronal, vea Ejemplos de consultas de modelos de red neuronal.

Para obtener información general sobre cómo crear una consulta en un modelo de minería de datos, vea Consultas de minería de datos.

Comentarios

  • No admite la obtención de detalles ni las dimensiones de minería de datos. Esto se debe a que la estructura de los nodos del modelo de minería de datos no tiene por qué corresponder directamente a los datos subyacentes.

  • No admite la creación de modelos en el formato PMML (Lenguaje de marcado de modelos de predicción).

  • Admite el uso de modelos de minería de datos OLAP.

  • No admite la creación de dimensiones de minería de datos.

Consulte también

Referencia técnica del algoritmo de red neuronal de Microsoft
Contenido del modelo de minería de datos para los modelos de red neuronal (Analysis Services - Minería de datos)
Ejemplos de consultas de modelos de red neuronal
Algoritmo de regresión logística de Microsoft