在 SQL Server Analysis Services 中，Microsoft神经网络算法将输入属性的每个可能状态与可预测属性的每个可能状态相结合，并使用训练数据来计算概率。 稍后可以使用这些概率进行分类或回归，并根据输入属性预测预测属性的结果。
使用Microsoft神经网络算法构造的挖掘模型可以包含多个网络，具体取决于用于输入和预测的列数，或仅用于预测。 单个挖掘模型包含的网络数取决于输入列和挖掘模型使用的可预测列包含的状态数。
示例：
Microsoft神经网络算法适用于分析复杂的输入数据，如制造或商业流程数据，以及需要大量训练数据但难以通过其他算法轻松派生规则的业务问题。
使用Microsoft神经网络算法的建议方案包括：
营销和促销分析，例如衡量直接邮件促销或广播广告活动的成功。
预测历史数据中的股票走势、货币波动或其他高度流动的财务信息。
分析制造和工业流程。
文本挖掘。
分析许多输入之间的复杂关系以及相对较少的输出的任何预测模型。
算法的工作原理
Microsoft神经网络算法创建一个由最多三层神经元组成的网络。 这些层是输入层、可选的隐藏层和输出层。
输入层： 输入神经元定义数据挖掘模型的所有输入属性值及其概率。
隐藏层： 隐藏的神经元从输入神经元接收输入，并为输出神经元提供输出。 隐藏层是输入的各种概率分配权重的位置。 权重描述特定输入对隐藏神经元的相关性或重要性。 分配给输入的权重越大，该输入的值就越重要。 权重可以是负数，这意味着输入可以抑制特定结果，而不是偏爱。
输出层： 输出神经元表示数据挖掘模型的可预测属性值。
有关如何构造和评分输入层、隐藏层和输出层的详细说明，请参阅 Microsoft神经网络算法技术参考。
神经网络模型所需的数据
神经网络模型必须包含键列、一个或多个输入列和一个或多个可预测列。
使用Microsoft神经网络算法的数据挖掘模型受为算法可用的参数指定的值的影响很大。 参数定义数据采样方式、数据分布方式或预期在每个列中分布的方式，以及何时调用特征选择来限制在最终模型中使用的值。
有关设置参数以自定义模型行为的详细信息，请参阅 Microsoft神经网络算法技术参考。
查看神经网络模型
若要处理数据并查看模型如何将输入与输出相关联，可以使用 Microsoft神经网络查看器。 使用此自定义查看器，可以筛选输入属性及其值，并查看显示它们如何影响输出的图形。 查看器中的工具提示显示与每对输入和输出值关联的概率和提升。 有关详细信息，请参阅 使用Microsoft神经网络查看器浏览模型。
浏览模型结构的最简单方法是使用 Microsoft泛型内容树查看器。 可以查看模型创建的输入、输出和网络，然后单击任何节点将其展开，并查看与输入、输出或隐藏层节点相关的统计信息。 有关详细信息，请参阅 使用Microsoft泛型内容树查看器浏览模型。
创建预测
处理模型后，可以使用每个节点中存储的网络和权重进行预测。 神经网络模型支持回归、关联和分类分析，因此，每个预测的含义可能不同。 你还可以查询模型本身，以查看找到的相关性，并检索相关的统计信息。 有关如何针对神经网络模型创建查询的示例，请参阅 神经网络模型查询示例。
有关如何对数据挖掘模型创建查询的一般信息，请参阅 数据挖掘查询。
注解
不支持钻取或数据挖掘维度。 这是因为挖掘模型中节点的结构不一定直接与基础数据相对应。
不支持以预测模型标记语言 （PMML） 格式创建模型。
支持使用 OLAP 挖掘模型。
不支持创建数据挖掘维度。
另请参阅
Microsoft神经网络算法技术参考
用于神经网络模型的挖掘模型内容（Analysis Services - 数据挖掘）
神经网络模型查询示例
Microsoft逻辑回归算法