線形回帰モデルのクエリ (Analysis Services - データ マイニング)

データ マイニング スキーマ行セットに対してクエリを実行すると、モデルに関するメタデータを取得できます。このメタデータには、モデルが作成された日時、モデルが最後に処理された日時、モデルの基になるマイニング構造の名前、予測可能な属性として使用されている列の名前などが含まれます。モデルが最初に作成されたときに使用されたパラメーターを取得することもできます。

SELECT MINING_PARAMETERS 
FROM $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'TM_PredictIncome'

サンプルの結果 :

注
パラメーター設定 "FORCE_REGRESSOR =" は、FORCE_REGRESSOR パラメーターの現在の値が NULL であることを示します。

トップに戻る

次のクエリでは、「基本的なデータ マイニング チュートリアル」で使用したものと同じ Targeted Mailing データ ソースを使用して作成された線形回帰モデルのマイニング モデル コンテンツを返します。このモデルでは、年齢に基づいて顧客の収入を予測します。

このクエリは、回帰式を含むノードのコンテンツを返します。各変数と係数は、入れ子になった NODE_DISTRIBUTION テーブルの個別の行に保存されます。完全な回帰式を表示する場合は、Microsoft ツリー ビューアーを使用します。[(すべて)] ノードをクリックして [マイニング凡例] を開くと表示されます。

SELECT FLATTENED NODE_DISTRIBUTION as t
FROM LR_PredictIncome.CONTENT

注
SELECT <column name> from NODE_DISTRIBUTION のようなクエリを使用して入れ子になったテーブルの個々の列を参照する場合、SUPPORT や PROBABILITY などの一部の列名は、同名の予約済みキーワードと区別するために角かっこで囲む必要があります。

期待される結果 :

一方、[マイニング凡例] では、回帰式は次のように表示されます。

Yearly Income = 57,220.919 + 471.688 * (Age - 45.427)

[マイニング凡例] ではいくつかの数字が丸められますが、NODE_DISTRIBUTION テーブルと [マイニング凡例] には基本的に同じ値が格納されます。

VALUETYPE 列の値を参照すると、各行に含まれている情報の種類がわかるため、結果をプログラムで処理する場合に役に立ちます。次の表に、線形回帰式の出力となる値の種類を示します。

回帰モデルの各値の種類の意味については、「線形回帰モデルのマイニング モデル コンテンツ (Analysis Services - データ マイニング)」を参照してください。

トップに戻る

VALUETYPE 列挙を使用すると、次のクエリに示すように回帰式の係数のみを返すことができます。

SELECT FLATTENED MODEL_NAME,
    (SELECT ATTRIBUTE_VALUE, VALUETYPE
     FROM NODE_DISTRIBUTION
     WHERE VALUETYPE = 11) 
AS t
FROM LR_PredictIncome.CONTENT

このクエリでは、マイニング モデル コンテンツの行と、係数を含む入れ子になったテーブルの行の 2 つの行が返されます。ATTRIBUTE_NAME 列は、係数に対して常に空であるためここには含まれていません。

トップに戻る

回帰モデルで単一のクエリを作成する最も簡単な方法は、[単一クエリ入力] ダイアログ ボックスを使用することです。たとえば次の DMX クエリを作成するには、適切な回帰モデルを選択し、[単一クエリ] を選択して、Age の値として「20」を入力します。

SELECT [LR_PredictIncome].[Yearly Income]
From   [LR_PredictIncome]
NATURAL PREDICTION JOIN
(SELECT 20 AS [Age]) AS t

サンプルの結果:

トップに戻る

線形回帰モデルでは多くの標準の予測関数を使用できます。次の例は、予測クエリの結果にいくつかの説明的な統計情報を追加する方法を示しています。これらの結果から、このモデルの平均からの偏差が相当あることがわかります。

SELECT
  ([LR_PredictIncome].[Yearly Income]) as [PredIncome],
  (PredictStdev([LR_PredictIncome].[Yearly Income])) as [StDev1]
From
  [LR_PredictIncome]
NATURAL PREDICTION JOIN
(SELECT 20 AS [Age]) AS t

サンプルの結果:

トップに戻る