Contenuto dei modelli di data mining per i modelli di regressione logistica (Analysis Services - Data mining)

In questo argomento viene descritto il contenuto dei modelli di data mining specifico dei modelli che utilizzano l'algoritmo Microsoft Logistic Regression. Per una spiegazione dell'interpretazione delle statistiche e della struttura condivise da tutti i tipi di modello e per definizioni generali dei termini correlati al contenuto dei modelli di data mining, vedere Contenuto del modello di data mining (Analysis Services - Data mining).

Informazioni sulla struttura di un modello di regressione logistica

Un modello di regressione logistica viene creato tramite l'algoritmo Microsoft Neural Network con parametri che impongono al modello l'eliminazione del nodo nascosto. La struttura globale di un modello di regressione logistica è pertanto quasi identica a quella di una rete neurale, in cui ogni modello ha un solo nodo padre che rappresenta il modello e i relativi metadati e un nodo speciale delle statistiche marginali (NODE_TYPE = 24) che fornisce statistiche descrittive sugli input utilizzati nel modello.

Il modello contiene inoltre una subnet (NODE_TYPE = 17) per ogni attributo stimabile. Come in un modello di rete neurale, ogni subnet ha sempre due rami: uno per il livello di input e un altro che contiene il livello nascosto (NODE_TYPE = 19) e il livello di output (NODE_TYPE = 20) per la rete. La stessa subnet può essere utilizzata per più attributi se sono specificati come PREDICT ONLY. Gli attributi stimabili che sono anche input potrebbero non essere presenti nella stessa subnet.

Tuttavia, in un modello di regressione logistica, il nodo che rappresenta il livello nascosto è vuoto e non ha elementi figlio. Il modello contiene pertanto nodi che rappresentano singoli output (NODE_TYPE = 23) e singoli input (NODE_TYPE = 21), ma non singoli nodi nascosti.

Per impostazione predefinita, un modello di regressione logistica è visualizzato nel Visualizzatore Microsoft Neural Network. Con questo visualizzatore personalizzato, è possibile impostare un filtro sugli attributi di input e i relativi valori e visualizzarne graficamente l'impatto sugli output. Le descrizioni comandi nel visualizzatore mostrano la probabilità e l'accuratezza associate a ogni coppia valori di input e output. Per ulteriori informazioni, vedere Visualizzare un modello utilizzando il Visualizzatore Microsoft Neural Network.

Per esplorare la struttura degli input e delle subnet e visualizzare statistiche dettagliate, è possibile utilizzare il Microsoft Generic Content Tree Viewer. È possibile fare clic su qualsiasi nodo per espanderlo e visualizzare i nodi figlio oppure visualizzare i pesi e le altre statistiche contenute nel nodo.

Contenuto di un modello di regressione logistica

In questa sezione vengono forniti dettagli ed esempi relativi solo alle colonne del contenuto dei modelli di data mining particolarmente importanti per la regressione logistica. Il contenuto del modello è quasi identico a quello di un modello di rete neurale, ma è possibile che le descrizioni valide per i modelli di rete neurale siano ripetute in questa tabella per praticità.

Per informazioni sulle colonne generiche nel set di righe dello schema, ad esempio MODEL_CATALOG e MODEL_NAME, non descritte in questo argomento o per spiegazioni sulla terminologia dei modelli di data mining, vedere Contenuto del modello di data mining (Analysis Services - Data mining).

• MODEL_CATALOG
  Nome del database in cui è archiviato il modello.

• MODEL_NAME
  Nome del modello.

• ATTRIBUTE_NAME
  Nomi degli attributi che corrispondono a questo nodo.

  Node	Content
  Nodo radice del modello	Vuoto
  Statistiche marginali	Vuoto
  Livello di input	Vuoto
  Nodo di input	Nome dell'attributo di input
  Livello nascosto	Vuoto
  Livello di output	Vuoto
  Nodo di output	Nome dell'attributo di output

• NODE_NAME
  Nome del nodo. Attualmente, questa colonna contiene lo stesso valore di NODE_UNIQUE_NAME, anche se nelle versioni future il valore potrebbe essere diverso.

• NODE_UNIQUE_NAME
  Nome univoco del nodo.

  Per ulteriori informazioni sul modo in cui i nomi e gli ID forniscono informazioni strutturali sul modello, vedere la sezione Utilizzo dei nomi e degli ID dei nodi.

• NODE_TYPE
  Un modello di regressione logistica restituisce i tipi di nodo seguenti:

  ID tipo di nodo	Descrizione
  1	Modello.
  17	Nodo della libreria per la subnet
  18	Nodo della libreria per il livello di input
  19	Nodo della libreria per il livello nascosto. Il livello nascosto è vuoto.
  20	Nodo della libreria per il livello di output
  21	Nodo dell'attributo di input
  23	Nodo dell'attributo di output
  24	Nodo delle statistiche marginali

• NODE_CAPTION
  Etichetta o didascalia associata al nodo. Nei modelli di regressione logistica è sempre vuoto.

• CHILDREN_CARDINALITY
  Stima del numero di nodi figlio del nodo

  Nodo	Contenuto
  Nodo radice del modello	Indica il conteggio di nodi figlio che include almeno 1 rete, 1 nodo marginale obbligatorio e 1 livello di input obbligatorio. Se, ad esempio, il valore è 5, sono presenti 3 subnet.
  Statistiche marginali	Sempre 0.
  Livello di input	Indica il numero di coppie attributo-valori di input utilizzate dal modello.
  Nodo di input	Sempre 0.
  Livello nascosto	In un modello di regressione logistica, è sempre 0.
  Livello di output	Indica il numero di valori di output.
  Nodo di output	Sempre 0.

• PARENT_UNIQUE_NAME
  Nome univoco dell'elemento padre del nodo. Per tutti i nodi a livello di radice viene restituito NULL.

  Per ulteriori informazioni sul modo in cui i nomi e gli ID forniscono informazioni strutturali sul modello, vedere la sezione Utilizzo dei nomi e degli ID dei nodi.

• NODE_DESCRIPTION
  Descrizione intuitiva del nodo.

  Node	Content
  Nodo radice del modello	Vuoto
  Statistiche marginali	Vuoto
  Livello di input	Vuoto
  Nodo di input	Nome dell'attributo di input
  Livello nascosto	Vuoto
  Livello di output	Vuoto
  Nodo di output	Se l'attributo di output è continuo, contiene il nome dell'attributo di output. Se l'attributo di output è discreto o discretizzato, contiene il nome dell'attributo e il valore.

• NODE_RULE
  Descrizione XML della regola incorporata nel nodo.

  Node	Content
  Nodo radice del modello	Vuoto
  Statistiche marginali	Vuoto
  Livello di input	Vuoto
  Nodo di input	Frammento XML che contiene le stesse informazioni della colonna NODE_DESCRIPTION.
  Livello nascosto	Vuoto
  Livello di output	Vuoto
  Nodo di output	Frammento XML che contiene le stesse informazioni della colonna NODE_DESCRIPTION.

• MARGINAL_RULE
  Nei modelli di regressione logistica è sempre vuoto.

• NODE_PROBABILITY
  Probabilità associata a questo nodo. Nei modelli di regressione logistica è sempre 0.

• MARGINAL_PROBABILITY
  Probabilità di raggiungere il nodo dal nodo padre. Nei modelli di regressione logistica è sempre 0.

• NODE_DISTRIBUTION
  Tabella nidificata che contiene informazioni statistiche del nodo. Per informazioni dettagliate sul contenuto di questa tabella per ogni tipo di nodo, vedere la sezione Informazioni sulla tabella NODE_DISTRIBUTION in Contenuto dei modelli di data mining per i modelli di rete neurale (Analysis Services - Data mining).

• NODE_SUPPORT
  Nei modelli di regressione logistica è sempre 0.

  [!NOTA]

  Le probabilità di supporto sono sempre 0 perché l'output di questo tipo di modello non è probabilistico. Soltanto i pesi sono significativi per l'algoritmo, pertanto l'algoritmo non calcola probabilità, supporto o varianza.

  Per ottenere informazioni sul supporto nei case di training per valori specifici, vedere il nodo delle statistiche marginali.

• MSOLAP_MODEL_COLUMN

  Node	Content
  Nodo radice del modello	Vuoto
  Statistiche marginali	Vuoto
  Livello di input	Vuoto
  Nodo di input	Nome dell'attributo di input.
  Livello nascosto	Vuoto
  Livello di output	Vuoto
  Nodo di output	Nome dell'attributo di input.

• MSOLAP_NODE_SCORE
  Nei modelli di regressione logistica è sempre 0.

• MSOLAP_NODE_SHORT_CAPTION
  Nei modelli di regressione logistica è sempre vuoto.

Utilizzo dei nomi e degli ID dei nodi

La denominazione dei nodi in un modello di regressione logistica fornisce informazioni aggiuntive sulle relazioni tra i nodi nel modello. Nella tabella seguente vengono illustrate le convenzioni per gli ID assegnati ai nodi in ogni livello.

È possibile utilizzare questi ID per determinare il modo in cui gli attributi di output sono correlati ad attributi di livello di input specifici, visualizzando la tabella NODE_DISTRIBUTION del nodo di output. Ogni riga della tabella contiene un ID che punta a un nodo dell'attributo di input specifico. La tabella NODE_DISTRIBUTION contiene inoltre il coefficiente per tale coppia di input/output.

Vedere anche

Riferimento

Contenuto dei modelli di data mining per i modelli di rete neurale (Analysis Services - Data mining)

Riferimento tecnico per l'algoritmo Microsoft Logistic Regression

Concetti

Algoritmo Microsoft Logistic Regression

Esempi di query sul modello di regressione logistica