建立 Naive Bayes 模型的範例

此範例顯示如何定義離散化演算法及 bin 數目。

假設 Naive Bayes 分類器的應用程式屬於客戶流失資料集。輸入資料可以包含連續歸因類型和名義屬性類型。所有類型均可自動偵測得知，或透過使用者指定的方法來偵測。若要手動定義類型，請使用 incolumn 及 coldeftype 參數。

客戶流失資料集只包含數值直欄。不過，需要有 VARCHAR 直欄才能建立 Naive Bayes 模型。下列呼叫顯示如何建立一個以客戶流失資料集為基礎並包含 VARCHAR 直欄的視圖。此外，此視圖還包含預測所需的直欄。

CREATE VIEW CUSTOMER_CHURN AS SELECT (CASE WHEN SAMPLES.CUSTOMER_CHURN."CENSOR" = '1' THEN 'YES' ELSE 'NO' END) CHURN, IN_B2B_INDUSTRY, TOTAL_BUY, ANNUAL_REVENUE_MIL, CUST_ID AS ID from SAMPLES.CUSTOMER_CHURN;

Naive Bayes 預測需要一個包含訓練資料的表格。下列呼叫顯示如何從 CUSTOMER_CHURN 視圖建立此表格：

CALL IDAX.SPLIT_DATA('intable=customer_churn, traintable=customer_churn_training, testtable=customer_churn_testing, id=id, fraction=0.65');

下列範例顯示如何定義離散化演算法及 bin 數目：

CALL IDAX.NAIVEBAYES('intable=customer_churn_training, disc=ew, bins=20, id=id, target=churn, model=cc_nb_ewd'); 

CALL IDAX.NAIVEBAYES('intable=customer_churn_training, disc=ef, bins=20, id=id, target=churn, model=cc_nb_efd'); 

CALL IDAX.NAIVEBAYES('intable=customer_churn_training, disc=ewn, id=id, target=churn, model=cc_nb_ewnd');

所建立的模型是以表格來表示，其中每一個屬性值類別組合各有一列，並且包含下列直欄：

attribute: 屬性
val: 值
class: 類別
classvalcount: 訓練集的類別內相對應的屬性的對應值的出現次數
classcount: 訓練集內的類別的出現次數
attrclasscount: 訓練集內的類別的非空值出現次數
totalcount: 訓練集內的所有實例數目

這些參數足以計算您可以用於 Naive Bayes 預測的先驗類別機率和條件式屬性值機率。

如果要產生測試集預測，您可以使用產生的模型，如下所示：

CALL IDAX.PREDICT_NAIVEBAYES('model=cc_nb_ewd, intable=customer_churn_testing, outtable=customer_churn_nb_ewd, outtableprob = customer_churn_nb_ewd_prob'); 

CALL IDAX.PREDICT_NAIVEBAYES('model=cc_nb_efd, intable=customer_churn_testing, outtable=customer_churn_nb_efd, outtableprob = customer_churn_nb_efd_prob');

CALL IDAX.PREDICT_NAIVEBAYES('model=cc_nb_ewnd, intable=customer_churn_testing, outtable=customer_churn_nb_ewnd,outtableprob = customer_churn_nb_ewnd_prob');

註：如果測試資料中「預測」程序的 ID，與訓練資料中「預測」程序的 ID 相同，則您不需要定義它。

會使用與對應訓練集相同的間隔，將每個模型應用程式的測試集離散化。指定的輸出表格包含產生的預測。它包含 id 直欄和 class 直欄。

此外，還會建立另一個輸出表格，其中 _prob 字尾附加至名稱。在此輸出表格中，每一個實例各有一列，它還包含可能的類別及下列直欄：

id: 實例 ID
class: 類別
prob: 實例類別的 Bayesian 分子
分子是從類別機率及條件式實例屬性值機率產生。
lnprob: prob 的自然對數

您可以使用這些機率，以取得模型預測的更佳見解，或修改模型作業。您可以透過正規化，將 Bayesian 分子轉換成正規表示式。正規化表示除以相同實例及所有類別的分子總和。

下列查詢顯示將類別機率新增至每一個實例的範例，及其使用最小熵離散化所產生之第三個模型的預測類別標籤：

SELECT S.id, S.class, S.prob/S.sump as prob 
FROM (SELECT id, class, prob, sum(prob) OVER (PARTITION BY id) AS sump FROM customer_churn_nb_ewnd_prob) S, customer_churn_nb_ewnd P 
WHERE S.id=P.id AND S.class=P.class;

若要評估所取得預測的品質，您可以計算錯誤分類誤差，如下所示：

CALL IDAX.CERROR('intable=customer_churn_nb_ewd, resulttable=customer_churn_testing, id=id, target=class, resulttarget=churn');

CALL IDAX.CERROR('intable=customer_churn_nb_efd, resulttable=customer_churn_testing, id=id, target=class, resulttarget=churn'); 

CALL IDAX.CERROR('intable=customer_churn_nb_ewnd, resulttable=customer_churn_testing, id=id, target=class, resulttarget=churn');

雖然這些模型的行為類似，但第一個模型是根據相等頻率離散化，因此不像另外兩個那麼精確。此外，對於所有模型而言，錯誤分類誤差層次大於 0.37，得出的結論是 Naive Bayes 分類器不十分適合客戶流失資料集。

若要避免預測期間完全沒有取得機率，您可以啟用 m-estimation 技術。

如果要啟用這項技術，請對於 PREDICT_NAIVEBAYES 程序指定 mestimation=TRUE 引數，如下所示：

CALL IDAX.PREDICT_NAIVEBAYES('model=cc_nb_ewnd, intable=customer_churn_testing, mestimation=TRUE, outtable=customer_churn_nb_ewnd_mest'); 

CALL IDAX.CERROR('pred_table=customer_churn_nb_ewnd_mest, true_table=customer_churn_testing, pred_id=id, true_id=id, pred_column=class, true_column=churn');

分析顯示此技術幾乎不影響對於 customer_customn 資料產生的預測品質。

若要執行深度預測品質分析，您可以使用混淆矩陣和衍生品質指標。對於第三個模型，請如下所示繼續進行：

CALL IDAX.CONFUSION_MATRIX('intable=customer_churn_testing, resulttable=customer_churn_nb_ewnd, id=id, target=churn, matrixTable=cc_churn_nb_ewnd_cm'); 

CALL IDAX.CMATRIX_STATS('matrixTable=cc_churn_nb_ewnd_cm');

其結果使得對於客戶流失資料的 Naive Bayes 預測品質更加明朗化。大的錯誤分類誤差會轉換為將近 0.55 的高誤判率，但也會是將近 0.77 的超高真肯定率，其中客戶流失會被視為正面。

您可以依類型和角色定義所有直欄，如下列陳述式所示：

CALL IDAX.NAIVEBAYES('model=cc_nb1, intable=customer_churn_training, id=id, target=churn');

此陳述式等於下列陳述式：

CALL IDAX.NAIVEBAYES('model=cc_nb2, intable=customer_churn_training, incolumn=id:id, target=churn');

若要手動定義名義屬性及連續屬性，您可以使用 nom 類型及 cont 類型：

CALL IDAX.NAIVEBAYES('model=cc_nb3, intable=customer_churn_training,incolumn=IN_B2B_INDUSTRY:nom;TOTAL_BUY:cont;CHURN:target;ID:id');

您也可以建立一個直欄的內容定義，並將它們傳遞至模型數次：

CALL IDAX.COLUMN_PROPERTIES('intable=customer_churn_training, outtable=cc_columns, coldeftype=cont, incolumn=IN_B2B_INDUSTRY:nom;TOTAL_BUY:cont;ANNUAL_REVENUE_MIL:cont:ignore;CHURN:nom:target;ID:id');

select * from cc_columns;

CALL IDAX.NAIVEBAYES('model=cc_nb4, intable=customer_churn_training,colPropertiesTable=cc_columns');