Microsoft ニューラル ネットワーク アルゴリズム

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、機械学習用の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。 このアルゴリズムは、予測可能な属性の可能な各状態に対して入力属性の可能な各状態をテストし、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機能します。 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な列の数と、それらの列の状態の数によって異なります。

Example

Microsoft ニューラル ネットワーク アルゴリズムは、製造や商業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 データを利用できるが、他のアルゴリズムを使用してルールを簡単に派生できないビジネス上の問題を分析する場合に役立ちます。

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

• ダイレクトメールプロモーションやラジオ広告キャンペーンの成功を測定するなど、マーケティングとプロモーションの分析

• 履歴データから株式移動、通貨変動、またはその他の高度に流動的な財務情報を予測する

• 製造および産業プロセスの分析

• テキスト マイニング

• 多くの入力と比較的少ない出力の間の複雑な関係を分析する予測モデル

アルゴリズムのしくみ

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。 これらのレイヤーは、 入力レイヤー、 非表示レイヤー、 および出力レイヤーです。

入力レイヤー: 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とその確率を定義します。

非表示レイヤー: 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提供します。 非表示レイヤーでは、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度を表します。 入力に割り当てられる重みが大きいほど、その入力の値が重要になります。 重みは負の値になる可能性があります。つまり、入力によって特定の結果が優先されるのではなく、抑制される可能性があります。

出力レイヤー: 出力ノードは、データ マイニング モデルの予測可能な属性値を表します。

入力、非表示、および出力レイヤーの構築とスコア付けの詳細については、「 Microsoft ニューラル ネットワーク アルゴリズムテクニカル リファレンス」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、キー列、1 つ以上の入力列、および 1 つ以上の予測可能な列が含まれている必要があります。

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。 パラメーターは、データのサンプリング方法、各列でのデータの分散方法または分散が予想される方法、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特徴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ためのパラメーターの設定の詳細については、「 Microsoft ニューラル ネットワーク アルゴリズムテクニカル リファレンス」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、モデルが入力と出力をどのように関連付けるかを確認するには、 Microsoft ニューラル ネットワーク ビューアーを使用できます。 このカスタム ビューアーを使用すると、入力属性とその値をフィルター処理し、出力に与える影響を示すグラフを表示できます。 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表示されます。 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。

モデルの構造を調べる最も簡単な方法は、 Microsoft 汎用コンテンツ ツリー ビューアーを使用することです。 モデルによって作成された入力、出力、ネットワークを表示し、任意のノードをクリックして展開し、入力、出力、または非表示のレイヤー ノードに関連する統計情報を表示できます。 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」を参照してください。

予測の作成

モデルが処理されたら、ネットワークと各ノード内に格納されている重みを使用して予測を行うことができます。 ニューラル ネットワーク モデルでは回帰、関連付け、分類の分析がサポートされているため、各予測の意味が異なる場合があります。 また、モデル自体にクエリを実行して、検出された相関関係を確認し、関連する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 モデルに対してクエリを作成する方法の例については、「 ニューラル ネットワーク モデルクエリの例」を参照してください。

データ マイニング モデルに対してクエリを作成する方法の一般的な情報については、「 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 ディメンションまたはデータ 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 モデル内のノードの構造が、必ずしも基になるデータに直接対応しているとは限らないためです。

• 予測モデル マークアップ言語 (PMML) 形式で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 モデルの使用をサポートします。

• 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。

こちらもご覧ください

Microsoft ニューラル ネットワーク アルゴリズムテクニカル リファレンス
ニューラル ネットワーク モデルのマイニング モデル コンテンツ (Analysis Services - データ マイニング)
ニューラル ネットワーク モデルクエリの例
Microsoft ロジスティック回帰アルゴリズム