Górnictwo zawartości modelu regresji liniowej modeli (Analysis Services - wyszukiwania danych)

Opis struktury modelu regresji liniowej

Model regresja liniowej ma strukturę niezwykle proste.Każdy model ma węzeł nadrzędny pojedynczego, reprezentującą modelu i metadane i węzeł drzewa regresja (NODE_TYPE = 25), że zawiera formułę regresja dla każdego atrybut przewidywalne.

Modele regresja liniowej korzystają z tego samego algorytmu jako Microsoft drzewa decyzji, ale różne parametry, które są używane do ograniczyć drzewa, i tylko ciągłego atrybuty są akceptowane jako dane wejściowe.However, because linear regression models are based on the Decision Trees algorithm, linear regression models are displayed by using the Microsoft Decision Tree Viewer.Aby uzyskać informacje, zobacz Wyświetlanie modelu górnictwo Viewer drzewa Microsoft.

W następnej sekcji objaśniono sposób interpretowania informacji w węźle formuły regresja.Ta informacja ma zastosowanie nie tylko do modeli regresja liniowej, ale do modeli drzewa decyzji, które zawierają strat zauważyć w część drzewa.

Model zawartości dla modelu regresji liniowej

Ta sekcja zawiera szczegółowe i przykłady tylko dla tych kolumn w model wyszukiwania zawartość ma szczególne znaczenie dla regresja liniowej.

Aby uzyskać informacje dotyczące ogólnego przeznaczenia kolumn w zestawie zestaw wierszy schematu, zobacz Górnictwo modelu zawartości (Analysis Services - wyszukiwania danych).

• MODEL_CATALOG
  Nazwa bazy danych, w którym przechowywany jest model.

• NAZWA_MODELU
  Nazwa modelu.

• ATTRIBUTE_NAME
  **Węzeł główny:**pusty

  **Węzeł regresji:**nazwę atrybut przewidywalne.

• NAZWA_WĘZŁA
  Zawsze taki sam, 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:

  Identyfikator typu węzła	Typ	Opis
  25	Katalog główny drzewa regresji	Zawiera formułę, która opisuje relację między zmienną wejściowych i wyjściowych.

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

  **Węzeł główny:**pusty

  **Węzeł regresji:**wszystkie.

• CHILDREN_CARDINALITY
  Oszacowanie liczby dzieci, które ma węzła.

  **Węzeł główny:**wskazuje liczbę węzłów regresja.Jeden węzeł regresja jest tworzony dla każdego atrybut przewidywalne w modelu.

  **Węzeł regresji:**zawsze 0.

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

• NODE_DESCRIPTION
  Opis węzła.

  **Węzeł główny:**pusty

  **Węzeł regresji:**wszystkie.

• NODE_RULE
  Nie używany dla modeli regresja liniowej.

• MARGINAL_RULE
  Nie używany dla modeli regresja liniowej.

• NODE_PROBABILITY
  Prawdopodobieństwo skojarzone z tym węzłem.

  **Węzeł główny:**0

  **Węzeł regresji:**1

• MARGINAL_PROBABILITY
  Prawdopodobieństwo osiągnięcia węzła z węzła nadrzędnego.

  **Węzeł główny:**0

  **Węzeł regresji:**1

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

  **Węzeł główny:**0

  **Węzeł regresja:**tabela, która zawiera elementy używane do tworzenia formuł regresja.Węzeł regresja zawiera następujące wartości:

  VALUETYPE
  1 (Brak)
  3 (Ciągłe)
  7 (Współczynnik)
  8 (Wynik zysk)
  9 (Statystyki)
  11 (Stała)

• NODE_SUPPORT
  Liczba przypadków, które obsługują ten węzeł.

  **Węzeł główny:**0

  **Węzeł regresji:**liczba przypadków szkolenia.

• MSOLAP_MODEL_COLUMN
  Nazwa atrybut przewidywalne.

• MSOLAP_NODE_SCORE
  Sam, jak NODE_PROBABILITY

• MSOLAP_NODE_SHORT_CAPTION
  Etykiety używanej w celach wyświetlania.

Uwagi

Podczas tworzenia modelu przy użyciu Microsoft algorytm regresji liniowej aparat wyszukiwanie danych tworzy specjalne wystąpienie modelu drzewa decyzji i dostarcza parametry, które ograniczyć drzewie zawierają wszystkie dane szkolenia w pojedynczy węzeł.Wszystkie dane wejściowe ciągłego oflagowane i oceniane jako potencjalnie regressors, ale tylko w tych regressors, dopasowanie danych są zachowywane jako regressors w końcowym modelu.Analiza daje na wszystkich formuły pojedynczego regresja dla każdego regressor lub formuła regresja.

Można wyświetlić pełną regresja formuły w Górnictwa legendy, klikając (wszystkie) węzeł w Przeglądarka Microsoft drzewa.

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

Węzeł dystrybucji dla ciągłego atrybutów

Większość ważnych informacji w węźle regresja zawarte w tabela NODE_DISTRIBUTION.Poniższy przykład ilustruje układu tabela NODE_DISTRIBUTION.W tym przykładzie użyto struktura wyszukiwania korespondencji skierowane do tworzenia modelu regresja liniowej, która przewiduje dochód klienta oparte na wiek.Model jest w rozumieniu wyłącznie, ponieważ mogą być wbudowane łatwo przy użyciu istniejących AdventureWorks2008R2 dane przykładowe i struktura wyszukiwania.

Tabela NODE_DISTRIBUTION zawiera wiele wierszy, grupowane każdej zmiennej.Pierwsze dwa wiersze są zawsze typów wartości 1 i 3 i opisują atrybut miejsce docelowe.Następne wiersze zawierają szczegóły dotyczące formuły dla danego regressor.Regressor jest zmienną wejściową, zawierający zależność liniowa, ze zmienną wyjściowego.Może mieć wiele regressors i regressor każdy ma osobny wiersz dla współczynnika (VALUETYPE = 7), wynik zysk (VALUETYPE = 8) i statystyki (VALUETYPE = 9).Wreszcie, tabela ma wiersz, który zawiera równanie punktu przecięcia z osią (VALUETYPE = 11).

Elementy formuły regresji

Zobacz także

Odwołanie

Koncepcje