Contenu du modèle d'exploration de données (Analysis Services - Exploration de données)

Le tableau suivant répertorie les différents types de nœud générés dans les modèles d'exploration de données. Comme chaque algorithme traite les informations différemment, chaque modèle génère seulement certains types spécifiques de nœuds. Si vous modifiez l'algorithme, le type de nœud peut changer. De plus, si vous retraitez le modèle, le contenu de chaque nœud peut changer.

Remarque
Si vous utilisez un service d'exploration de données différent de celui fourni dans SQL Server 2012 Analysis Services (SSAS), ou si vous créez vos propres algorithmes de plug-in, des types de nœuds personnalisés supplémentaires peuvent être disponibles.

Le nœud racine de tout modèle est toujours affecté de l'ID unique (NODE_UNIQUE_NAME) de 0. Tous les ID de nœud sont attribués automatiquement par Analysis Services et ne peuvent pas être modifiés.

Le nœud racine pour chaque modèle contient également des métadonnées de base relatives au modèle. Ces métadonnées incluent la base de données Analysis Services qui contient le modèle (MODEL_CATALOG), le schéma (MODEL_SCHEMA), et le nom du modèle (MODEL_NAME). Toutefois, ces informations sont répétées dans tous les nœuds du modèle, donc il n'est pas nécessaire d'interroger le nœud racine pour obtenir ces métadonnées.

En plus d'un nom utilisé comme identificateur unique, chaque nœud a un nom (NODE_NAME). Ce nom est créé automatiquement par l'algorithme à des fins d'affichage et ne peut pas être modifié.

Remarque
L'algorithme de gestion de clusters Microsoft permet aux utilisateurs d'attribuer des noms conviviaux à chaque cluster. Toutefois, ces noms conviviaux ne sont pas conservés sur le serveur, et si vous retraitez le modèle, l'algorithme génère de nouveaux noms de cluster.

La légende et description de chaque nœud sont générées automatiquement par l'algorithme et servent d'étiquettes pour vous aider à comprendre le contenu du nœud. Le texte généré pour chaque champ dépend du type de modèle. Dans certains cas, le nom, la légende et la description peuvent contenir la même chaîne exactement, mais dans certains modèles, la description peut contenir des informations supplémentaires. Consultez la rubrique sur le type de modèle individuel pour des informations sur l'implémentation.

Remarque
Le serveur Analysis Services prend en charge le changement de nom des nœuds seulement si vous générez des modèles à l'aide d'un algorithme de plug-in personnalisé qui implémente le changement de nom. Pour permettre le changement de nom, vous devez substituer les méthodes lorsque vous créez l'algorithme de plug-in.

La relation entre nœuds parents et enfants dans une arborescence est déterminée par la valeur de la colonne PARENT_UNIQUE_NAME. Cette valeur est stockée dans le nœud enfant et vous indique l'ID du nœud parent. Les exemples suivants illustrent la manière dont ces informations peuvent être utilisées :

• Un PARENT_UNIQUE_NAME qui est NULL indique que le nœud est le nœud supérieur du modèle.

• Si la valeur de PARENT_UNIQUE_NAME est égale à 0, le nœud doit être un descendant direct du nœud supérieur dans le modèle. En effet, l'ID du nœud racine est toujours 0.

• Vous pouvez utiliser des fonctions dans une requête DMX (Data Mining Extensions) pour rechercher les descendants ou les parents d'un nœud particulier. Pour plus d'informations sur l'utilisation de fonctions dans des requêtes, consultez Requêtes d'exploration de données.

La cardinalité fait référence au nombre d'éléments dans un ensemble. Dans le contexte d'un modèle d'exploration de données traité, la cardinalité indique le nombre d'enfants dans un nœud particulier. Par exemple, si un modèle d'arbre de décision a un nœud pour [Yearly Income], et ce nœud a deux nœuds enfants, un pour la condition [Yearly Income] = Élevé et un pour la condition, [Yearly Income] = Bas, la valeur de CHILDREN_CARDINALITY pour le nœud [Yearly Income] serait 2.

Remarque
Dans Analysis Services, seuls les nœuds enfants immédiats sont comptés lors du calcul de la cardinalité d'un nœud. Toutefois, si vous créez un algorithme de plug-in personnalisé, vous pouvez surcharger CHILDREN_CARDINALITY pour compter la cardinalité différemment. Cela peut s'avérer utile, par exemple, si vous souhaitez compter le nombre total de descendants, pas juste les enfants immédiats.

Même si la cardinalité est comptée de la même façon pour tous les modèles, votre interprétation ou l'utilisation de la valeur de cardinalité diffère selon le type de modèle. Par exemple, dans un modèle de clustering, la cardinalité du nœud supérieur indique le nombre total de clusters trouvés. Dans d'autres types de modèles, la cardinalité peut avoir toujours une valeur définie selon le type de nœud. Pour plus d'informations sur la manière d'interpréter la cardinalité, consultez la rubrique sur le type de modèle individuel.

Remarque
Certains modèles, tels que ceux créés par l'algorithme MNR (Microsoft Neural Network), contiennent aussi un type de nœud spécial qui fournit des statistiques descriptives sur les données d'apprentissage du modèle entier. Par définition, ces nœuds n'ont jamais de nœuds enfants.

La colonne NODE_DISTRIBUTION contient une table imbriquée qui fournit dans de nombreux nœuds des informations importantes et détaillées sur les modèles découverts par l'algorithme. Les statistiques exactes fournies dans cette table changent selon le type de modèle, la position du nœud dans l'arborescence, et si l'attribut prévisible est une valeur numérique continue ou une valeur discrète ; toutefois, elles peuvent inclure les valeurs minimales et maximales d'un attribut, les pondérations attribuées aux valeurs, le nombre de cas dans un nœud, les coefficients utilisés dans une formule de régression, et les mesures statistiques telles que l'écart type et la variance. Pour plus d'informations sur la manière d'interpréter la distribution de nœud, consultez la rubrique pour le type spécifique du type de modèle que vous utilisez.

Remarque
La table NODE_DISTRIBUTION peut être vide, selon le type de nœud. Par exemple, certains nœuds servent uniquement à organiser une collection de nœuds enfants, et ce sont les nœuds enfants qui contiennent les statistiques détaillées.

La table NODE_DISTRIBUTION imbriquée contient toujours les colonnes ci-dessous. Le contenu de chaque colonne varie selon le type de modèle. Pour plus d'informations sur des types de modèle spécifiques, consultez Contenu du modèle d'exploration de données par type d'algorithme.

ATTRIBUTE_NAME

Le contenu varie par algorithme. Peut être le nom d'une colonne, telle qu'un attribut prévisible, une règle, un jeu d'éléments ou une information interne à l'algorithme, telle que la partie d'une formule.

Cette colonne peut également contenir une paire attribut/valeur.

ATTRIBUTE_VALUE

Valeur de l'attribut nommé dans ATTRIBUTE_NAME.

Si le nom d'attribut est une colonne, puis dans le cas le plus simple, ATTRIBUTE_VALUE contient une des valeurs discrètes pour cette colonne.

Selon le mode de traitement des valeurs par l'algorithme, ATTRIBUTE_VALUE peut également contenir un indicateur qui indique si une valeur existe pour l'attribut (Existing), ou si la valeur est NULL (Missing).

Par exemple, si votre modèle est configuré pour rechercher des clients qui ont acheté au moins une fois un article particulier, la colonne ATTRIBUTE_NAME peut contenir la paire attribut/valeur qui définit l'article en question, telle que Model = 'Water bottle', et la colonne ATTRIBUTE_VALUE contiendrait uniquement le mot clé Existing ou Missing.

SUPPORT

Nombre de cas qui ont cette paire attribut/valeur, ou qui contiennent ce jeu d'éléments ou règle.

En général, pour chaque nœud, la valeur de support indique combien de cas dans le jeu d'apprentissage sont inclus dans le nœud actuel. Dans la plupart des types de modèle, le support représente un nombre exact de cas. Les valeurs de support sont utiles parce que vous pouvez consulter la distribution de données dans vos cas d'apprentissage sans devoir interroger les données d'apprentissage. Le serveur Analysis Services utilise également ces valeurs stockées pour calculer la probabilité stockée par rapport à la probabilité antérieure pour déterminer si l'inférence est forte ou faible.

Par exemple, dans un arbre de classification, la valeur de support indique le nombre de cas qui possèdent la combinaison d'attributs décrite.

Dans un arbre de décision, la somme de support à chaque niveau d'une arborescence est égale au support de son nœud parent. Par exemple, si un modèle qui contient 1200 cas est également divisé par genre, puis est sous-divisé par trois valeurs pour Revenu (Income) (Bas, Moyen et Élevé), les nœuds enfants du nœud (2), qui sont les nœuds (4), (5) et (6), sont toujours égaux au même nombre de cas que le nœud (2).

ID de nœud et attributs de nœud	Nombre de supports
(1) Racine du modèle	1200
(2) Sexe = Homme (3) Sexe = Femme	600 600
(4) Sexe = Home et Revenu = Élevé (5) Sexe = Homme et Revenu = Moyen (6) Sexe = Homme et Revenu = Bas	200 200 200
(7) Sexe = Femme et Revenu = Élevé (8) Sexe = Femme et Revenu = Moyen (9) Sexe = Femme et Revenu = Bas	200 200 200

Pour un modèle de clustering, le nombre du support peut être pondéré pour inclure les probabilités d'appartenance à plusieurs clusters. L'appartenance à plusieurs clusters est la méthode de clustering par défaut. Dans ce scénario, comme chaque cas n'appartient pas nécessairement à un seul et unique cluster, le support dans ces modèles peut ne pas atteindre 100 pour cent sur l'ensemble des clusters.

PROBABILITY

Indique la probabilité pour ce nœud spécifique dans le modèle entier.

En général, la probabilité représente le support pour cette valeur particulière, divisée par le nombre total de cas dans le nœud (NODE_SUPPORT).

Toutefois, la probabilité est ajustée légèrement pour éliminer l'écart provoqué par des valeurs manquantes dans les données.

Par exemple, si les valeurs actuelles pour [Enfants Totaux] sont 'Un' et 'Deux', il est souhaitable d'éviter de créer un modèle qui prédit qu'il est impossible de n'avoir pas d'enfants, ou d'avoir trois enfants. Pour garantir que les valeurs manquantes sont improbables, mais pas impossibles, l'algorithme ajoute toujours 1 au nombre de valeurs réelles pour tout attribut.

Exemple :

Probabilité de [Enfants Totaux = Un] = [Nombre de cas où Enfants Totaux = Un] + 1/[Nombre de tous les cas] + 3

Probabilité de [Enfants Totaux = Deux] = [Nombre de cas où Enfants Totaux = Deux] +1/[Nombre de tous les cas] +3

Remarque
L'ajustement de 3 est calculé en ajoutant 1 au nombre total de valeurs existantes, n.

Après ajustement, les probabilités pour toutes les valeurs sont encore égales à 1. La probabilité pour la valeur sans données (dans cet exemple, [Enfants Totaux = 'Zéro', 'Trois', ou une autre valeur]) commence à un niveau non nul très bas, et augmente lentement au fur et à mesure de l'ajout de cas.

VARIANCE

Indique la variance des valeurs dans le nœud. Par définition, la variance est toujours de 0 pour les valeurs discrètes. Si le modèle prend en charge des valeurs continues, la variance est calculée comme σ (sigma), à l'aide du dénominateur n, ou le nombre de cas dans le nœud.

Il y a deux définitions dans l'utilisation générale pour représenter l'écart type (StDev). Une méthode pour calculer l'écart type prend en considération le décalage, et une autre méthode calcule l'écart type sans utiliser le décalage. En général, les algorithmes d'exploration de données Microsoft n'utilisent pas le décalage lors du calcul de l'écart type.

La valeur qui apparaît dans la table NODE_DISTRIBUTION est la valeur réelle pour tous les attributs discrets et discrétisés, et la moyenne pour les valeurs continues.

VALUE_TYPE

Indique le type des données de la valeur ou un attribut, et l'utilisation de la valeur. Certains types de valeurs s'appliquent uniquement à certains types de modèle :

ID VALUE_TYPE	Étiquette de valeur	Nom de type de valeur
1	Manquant	Indique que les données de cas ne contenaient pas de valeur pour cet attribut. L'état Missing est calculé séparément des attributs qui ont des valeurs.
2	Existant	Indique que les données de cas contiennent une valeur pour cet attribut.
3	Continu	Indique que la valeur de l'attribut est une valeur numérique continue et par conséquent peut être représentée par une moyenne ainsi que la variance et l'écart type.
4	Discrète	Indique une valeur, soit numérique, soit texte, traitée comme discrète. Remarque   Les valeurs discrètes peuvent être aussi manquantes ; toutefois, elles sont traitées différemment durant les calculs. Pour plus d'informations, consultez Valeurs manquantes (Analysis Services - Exploration de données).
5	Discrétisé	Indique que l'attribut contient des valeurs numériques qui ont été discrétisées. La valeur sera une chaîne mise en forme qui décrit les compartiments de discrétisation.
6	Existant	Indique que l'attribut a des valeurs numériques continues et que les valeurs ont été fournies dans les données, au contraire des valeurs manquantes ou déduites.
7	Coefficient	Indique une valeur numérique qui représente un coefficient. Un coefficient est une valeur appliquée lors du calcul de la valeur de la variable dépendante. Par exemple, si votre modèle crée une formule de régression qui prédit le revenu selon l’âge, le coefficient est utilisé dans la formule qui relie l'âge au revenu.
8	Gain du score	Indique une valeur numérique qui représente le gain de score pour un attribut.
9	Statistiques	Indique une valeur numérique qui représente une statistique pour un régresseur.
10	Nom unique de nœud	Indique que la valeur ne doit pas être traitée comme numérique ou chaîne, mais comme l'identificateur unique d'un autre nœud de contenu dans un modèle. Par exemple, dans un modèle de réseau neuronal, les ID fournissent des pointeurs à partir des nœuds dans la couche de sortie vers les nœuds de la couche masquée, et des nœuds de la couche masquée vers les nœuds de la couche d'entrée.
11	Intercepter	Indique une valeur numérique qui représente l'interception dans une formule de régression.
12	Périodicité	Indique que la valeur dénote une structure périodique dans un modèle. S'applique uniquement aux modèles de série chronologique qui contiennent un modèle ARIMA. Remarque L'algorithme MTS (Microsoft Time Series) détecte automatiquement des structures périodiques en fonction des données d'apprentissage. Par conséquent, les périodicités dans le modèle final peuvent inclure des valeurs de périodicité que vous n'avez pas fournies comme paramètre lors de la création du modèle.
13	Ordre autorégressif	Indique que la valeur représente le nombre de séries autorégressives. S'applique aux modèles de série chronologique qui utilisent l'algorithme ARIMA.
14	Ordre des moyennes mobiles	Valeur qui représente le nombre de moyennes mobiles dans une série. S'applique aux modèles de série chronologique qui utilisent l'algorithme ARIMA.
15	Ordre des différences	Indique que la valeur représente une valeur qui indique le nombre de fois où la série fait l'objet d'une différenciation. S'applique aux modèles de série chronologique qui utilisent l'algorithme ARIMA.
16	Booléen	Représente un type booléen.
17	Autre	Représente une valeur personnalisée définie par l'algorithme.
18	Chaîne rendue au préalable	Représente une valeur personnalisée que l'algorithme rend sous la forme d'une chaîne. Aucune mise en forme n'a été appliquée par le modèle objet.

Les types valeur sont dérivés de l'énumération ADMOMD.NET. Pour plus d'informations, consultez MiningValueType.

La signification du score de nœud diffère selon le type de modèle et peut également être spécifique au type de nœud. Pour plus d'informations sur la méthode de calcul de NODE_SCORE pour chaque type de modèle et de nœud, consultez Contenu du modèle d'exploration de données par type d'algorithme.

L'ensemble de lignes de schéma du modèle d'exploration de données inclut les colonnes NODE_PROBABILITY et MARGINAL_PROBABILITY pour tous les types de modèle. Ces colonnes contiennent uniquement des valeurs dans les nœuds où une valeur de probabilité est explicite. Par exemple, le nœud racine d'un modèle ne contient jamais un score de probabilité.

Dans les nœuds qui fournissent des scores de probabilité, la probabilité du nœud et les probabilités marginales représentent des calculs différents.

• La probabilité marginale est la probabilité d'atteindre le nœud à partir de son parent.

• La probabilité du nœud est la probabilité d'atteindre le nœud à partir de la racine.

• La probabilité du nœud est toujours inférieure ou égale à la probabilité marginale.

Par exemple, si l'alimentation de tous les clients dans un arbre de décision est répartie de manière égale par sexe (et aucune valeur ne manque), la probabilité des nœuds enfants doit être .5. Toutefois, supposons que chacun des nœuds pour le sexe est également divisé par niveaux de revenu, Élevé, Moyen, et Bas. Dans ce cas, le score MARGINAL_PROBABILITY pour chaque nœud enfant doit toujours être .33 mais la valeur NODE_PROBABILTY sera le produit de toutes les probabilités qui mènent à ce nœud et donc toujours inférieure à la valeur MARGINAL_PROBABILITY.

L'ensemble de lignes de schéma du modèle d'exploration de données inclut aussi les colonnes NODE_PROBABILITY et MARGINAL_PROBABILITY pour tous les types de modèle. Ces colonnes contiennent des fragments XML qui peuvent être utilisés pour sérialiser un modèle, ou représenter certaines parties de la structure de modèle. Ces colonnes peuvent être vides pour certains nœuds, si une valeur n'a aucune signification.

Deux types de règles XML sont fournis, semblables aux deux types de valeurs de probabilité. Le fragment XML dans MARGINAL_RULE définit l'attribut et la valeur du nœud actuel, alors que le fragment XML dans NODE_RULE décrit le chemin d'accès au nœud actuel de la racine modèle.

Retour en haut