model wyszukiwania Zawartości dla modeli regresji liniowej (Analysis Services — wyszukiwanie danych)

Opis struktury modelu regresja liniowa

Modelu regresja liniowej ma strukturę bardzo proste.Każdy model ma węzeł jednego nadrzędnego, który reprezentuje modelu i jego metadane i węźle drzewa regresja (NODE_TYPE = 25), która zawiera formułę regresja dla każdego atrybut przewidywalne.

W regresja liniowej Modele korzystają z tego samego algorytmu jako Microsoft Drzewa decyzji, ale różne parametry, które są używane do ograniczenia w drzewie, a tylko ciągłego atrybuty są akceptowane jako dane wejściowe. Jednakże ponieważ zależą od modeli regresja liniowej Microsoft Algorytm drzewo decyzyjne, modele są wyświetlane przy użyciu regresja liniowej Microsoft Podgląd drzewo decyzyjne. Aby uzyskać informacje Zobacz Wyświetlanie model wyszukiwania z podglądem drzewa firmy Microsoft.

W następnej sekcji wyjaśniono, jak interpretować informacje zawarte w węźle formuły regresja.Ta informacja ma zastosowanie nie tylko do modeli regresja liniowej, ale do modeli drzewa decyzji, które zawierają strat zauważyć w części drzewa.

Model zawartości dla modelu regresja liniowej

W tej części podano szczegółowe i przykłady tylko dla tych kolumn w model wyszukiwania zawartości, które mają szczególne znaczenie dla regresja liniowej.

Aby uzyskać informacje dotyczące ogólnego przeznaczenia kolumn w zestawie zestaw wierszy schematu Zobacz Mining Model Content (Analysis Services - Data Mining).

• MODEL_CATALOG
  Nazwa bazy danych, w której przechowywane są w modelu.

• NAZWA_MODELU
  Nazwa modelu.

• ATTRIBUTE_NAME
  Węzeł główny:    Puste

  Węzeł regresja:   Nazwa atrybut przewidywalne.

• NAZWA_WĘZŁA
  Zawsze taka sama, jak NODE_UNIQUE_NAME.

• NODE_UNIQUE_NAME
  Identyfikator unikatowy dla węzła w ramach modelu.Tej wartości nie można zmienić.

• NODE_TYPE
  Modelu regresja liniowej wyświetla następujące typy węzłów:

  ID typu węzła	Typ	Description
  25	Katalog główny drzewa regresja	Zawiera formułę, która opisuje relację między zmienną wejściowych i wyjściowych.

• NODE_CAPTION
  Etykietę lub podpis skojarzonego z węzłem.Ta właściwość jest głównie w celach wyświetlania.

  Węzeł główny:    Puste

  Węzeł regresja:   Wszystkie.

• CHILDREN_CARDINALITY
  Oszacowanie liczby dzieci, który węzeł ma.

  Węzeł główny:   Wskazuje liczbę węzłów regresja.Jednym z węzłów regresja jest tworzony dla każdego atrybut przewidywalne w modelu.

  Węzeł regresja:   Zawsze 0.

• PARENT_UNIQUE_NAME
  Unikatowa nazwa węzła nadrzędnego.Dla wszystkich węzłów poziom katalogu głównego, zwracana jest wartość NULL.

• NODE_DESCRIPTION
  Opis węzła.

  Węzeł główny:    Puste

  Węzeł regresja:   Wszystkie.

• NODE_RULE
  Nie są używane w modelach regresja liniowej.

• MARGINAL_RULE
  Nie są używane w modelach regresja liniowej.

• NODE_PROBABILITY
  Prawdopodobieństwo związane z tym węźle.

  Węzeł główny:   0

  Węzeł regresja:   1

• MARGINAL_PROBABILITY
  Prawdopodobieństwo osiągnięcia węzła z węzła nadrzędnego.

  Węzeł główny:   0

  Węzeł regresja:   1

• NODE_DISTRIBUTION
  Zagnieżdżona tabela zawiera informacje statystyczne dotyczące wartości w węźle.

  Węzeł główny:   0

  Węzeł regresja:   Tabela zawierająca elementy, używane do konstruowania formuły regresja.Węzeł regresja zawiera następujące typy wartości:

  WARTOŚCI
  1 (Brak)
  3 (Ciągłe)
  7 (Współczynnik)
  8 (Zysk wynik)
  9 (Statystyka)
  11 (Punktu przecięcia z osią)

• NODE_SUPPORT
  Liczba przypadków, które obsługują ten węzeł.

  Węzeł główny:   0

  Węzeł regresja:   Liczba przypadków szkolenia.

• MSOLAP_MODEL_COLUMN
  Nazwa atrybut przewidywalne.

• MSOLAP_NODE_SCORE
  Sam, jak NODE_PROBABILITY

• MSOLAP_NODE_SHORT_CAPTION
  Etykiety używane w celach wyświetlania.

Remarks

Podczas tworzenia modelu przy użyciu Microsoft Algorytm regresja liniowej, aparat wyszukiwanie danych tworzy specjalne wystąpienie modelu drzewa decyzji i dostarcza parametry, które ograniczyć drzewa zawiera wszystkie dane szkolenia w jeden węzeł. Wszystkie dane wejściowe ciągłego są oznaczane i oceniane jako potencjalne regressors, ale tylko tych regressors, które mieszczą się w danych są zachowywane jako regressors ostatecznego modelu.Analiza daje we wszystkich formuły pojedynczego regresja dla każdego regressor lub nie formuły regresja.

Można przeglądać formułę pełną regresja w Legenda wyszukiwania, klikając przycisk (Wszystkie) węźlePrzeglądarka Microsoft drzewa.

Ponadto podczas tworzenia modelu drzewa decyzji, zawierająca ciągłego atrybut przewidywalne czasami drzewa ma regresja węzłów, które mają właściwości węzłów drzewa regresja.

Węzeł dystrybucji dla atrybutów ciągłe

Większość ważnych informacji w węźle regresja są zawarte w tabela NODE_DISTRIBUTION.Poniższy przykład ilustruje układu tabela NODE_DISTRIBUTION.W tym przykładzie struktura wyszukiwania docelowe wysyłkowe został użyty do utworzenia modelu regresja liniowej, który przewiduje dochód klienta oparte na okres ważności.Model jest w celu ich wyłącznie, ponieważ może być budowany łatwo przy użyciu istniejącego pliku AdventureWorks Przykładowe dane i struktura wyszukiwania.

Tabela NODE_DISTRIBUTION zawiera wiele wierszy, każdy zgrupowany za pomocą zmiennej.Pierwsze dwa wiersze są zawsze typów wartości 1 do 3 i opisz atrybut lokalizacji miejsce docelowe.Następne wiersze zawierają szczegółowe opisy formuły dla danego regressor.A regressor jest zmienną wejściową, mającej relację liniowy ze zmienną danych wyjściowych.Może mieć wiele regressors, a każdy regressor ma oddzielny wiersz dla współczynnika (wartości = 7), wynik zysku (wartości = 8) oraz statystyki (wartości = 9).Ponadto tabela zawiera wiersz, który zawiera równanie punktu przecięcia z osią (wartości = 11).

Elementy formuły regresja

See Also

Concepts

Other Resources