Microsoft Neural Network Algorithm

適用対象:SQL Server 2019 以前の Analysis Services Azure Analysis Services Fabric/Power BI Premium

Microsoft ニューラル ネットワーク アルゴリズムは、機械学習に一般的で適応可能なニューラル ネットワーク アーキテクチャの実装です。 このアルゴリズムでは、入力属性の考えられる各状態が、予測可能属性の考えられる各状態に対してテストし、トレーニング データに基づいて各組み合わせの確率を計算することによって動作します。 これらの確率を分類タスクまたは回帰タスクの両方に使用して、一部の入力属性に基づいて結果を予測できます。 ニューラル ネットワークは、アソシエーション分析にも使用できます。

Microsoft ニューラル ネットワーク アルゴリズムを使用してマイニング モデルを作成する場合は、複数の出力を含めることができます。アルゴリズムによって複数のネットワークが作成されます。 1 つのマイニング モデルに含まれるネットワークの数は、入力列の状態 (または属性値) の数、およびマイニング モデルが使用する予測可能列の数とそれらの列の状態の数によって異なります。

例

Microsoft ニューラル ネットワーク アルゴリズムは、製造プロセスや商用プロセスなどの複雑な入力データや、大量のトレーニング データが利用できるが、他のアルゴリズムを使用して簡単に派生できないルールに関するビジネス上の問題を分析する場合に便利です。

Microsoft ニューラル ネットワーク アルゴリズムを使用するための推奨されるシナリオは次のとおりです。

• ダイレクト メール宣伝やラジオ広告キャンペーンの成功度の測定など、マーケティングおよび宣伝に関する分析

• 履歴データからの、株価の動向、通貨の騰落、その他の流動性の高い金融情報の予測

• 製造および工業プロセスに関する分析

• テキスト マイニング

• 多数の入力と比較的少数の出力間の複雑なリレーションシップを分析する予測モデル

アルゴリズムの動作

Microsoft ニューラル ネットワーク アルゴリズムは、最大 3 層のノード (ニューロンとも呼ばれる) で構成されるネットワーク を作成します。 これらの層は、 入力層、 非表示層、および 出力層です。

入力層: 入力ノードは、データ マイニング モデルのすべての入力属性値、およびそれらの確率を定義します。

非表示層: 非表示ノードは入力ノードから入力を受け取り、出力ノードに出力を渡します。 非表示層では、入力のさまざまな確率に重みが割り当てられます。 重みは、非表示ノードに対する特定の入力の関連性または重要性を表します。 入力に割り当てられている重みが大きいほど、その入力の値の重要性が増加します。 重みには負の値も使用できます。これは、その入力によって特定の結果が優先されるのではなく、抑制されることを意味します。

出力層: 出力ノードは、データ マイニング モデルの予測可能属性値を表します。

入力層、非表示層、および出力層の作成方法およびスコア計算方法の詳細については、「 Microsoft Neural Network Algorithm Technical Reference」を参照してください。

ニューラル ネットワーク モデルに必要なデータ

ニューラル ネットワーク モデルには、単一のキー列、1 つ以上の入力列、および 1 つ以上の予測可能列が必要です。

Microsoft ニューラル ネットワーク アルゴリズムを使用するデータ マイニング モデルは、アルゴリズムで使用できるパラメーターに指定した値の影響を大きく受けます。 パラメーターでは、データのサンプリング方法、各列へのデータの分散方法またはデータの分散が必要になる状況、および最終的なモデルで使用される値を制限するために機能選択を呼び出すタイミングを定義します。

モデルの動作をカスタマイズするパラメーターを設定する方法の詳細については、「 Microsoft Neural Network Algorithm Technical Reference」を参照してください。

ニューラル ネットワーク モデルの表示

データを操作したり、モデルと入力および出力との関係性を確認したりするには、 Microsoft ニューラル ネットワーク ビューアーを使用します。 このカスタム ビューアーを使用すると、入力属性およびその値をフィルター処理することも、出力への影響を示すグラフを参照することもできます。 このビューアーのツールヒントには、入力値と出力値の各ペアに関連付けられている確率とリフトが示されます。 詳細については、「 Microsoft ニューラル ネットワーク ビューアーを使用したモデルの参照」を参照してください。

モデルの構造を参照するには、 Microsoft 汎用コンテンツ ツリー ビューアーを使用するのが最も簡単な方法です。 モデルで作成された入力、出力、およびネットワークを表示したり、任意のノードをクリックして展開して入力層ノード、出力層ノード、または非表示層ノードに関連付けられている統計を参照したりできます。 詳細については、「 Microsoft 汎用コンテンツ ツリー ビューアーを使用したモデルの参照」をご覧ください。

予測の作成

モデルの処理が完了したら、各ノード内に格納されているネットワークと重みを使用して予測を作成できます。 ニューラル ネットワーク モデルは、回帰分析、アソシエーション分析、および分類分析をサポートします。そのため、各予測の意味は異なる場合があります。 またモデル自身に対してクエリを実行して、見つかった相関関係を確認することも、関連した統計を取得することもできます。 ニューラル ネットワーク モデルに対するクエリの作成方法の例については、「 ニューラル ネットワーク モデルのクエリ例」を参照してください。

データ マイニング モデルに対するクエリの作成方法については、「 データ マイニング クエリ」を参照してください。

注釈

• ドリル スルーまたはデータ マイニング ディメンションはサポートされていません。 これは、マイニング モデルのノードの構造がその基になるデータと必ずしも直接対応しているわけではないからです。

• Predictive Model Markup Language (PMML) 形式のモデルの作成はサポートされていません。

• OLAP マイニング モデルの使用がサポートされています。

• データ マイニング ディメンションの作成はサポートされていません。

参照

Microsoft Neural Network Algorithm Technical Reference
Mining Model Content for Neural Network Models (Analysis Services - Data Mining)
Neural Network Model Query Examples
Microsoft ロジスティック回帰アルゴリズム