Conteúdo do modelo de mineração (Analysis Services – Mineração de dados)

A tabela seguinte lista os tipos diferentes de nós que são produzidos em modelos de mineração de dados. Como cada algoritmo processa informações de modo diferente, cada modelo gera só alguns tipos específicos de nós. Se você alterar o algoritmo, o tipo de nós poderá ser alterado. Além disso, se você reprocessar o modelo, o conteúdo de cada nó poderá ser alterado.

Observação
Se você usar um serviço de mineração de dados diferente dos fornecidos no SQL Server 2008 Analysis Services ou se criar seus próprios algoritmos de plug-in, tipos adicionais de nós personalizados poderão ser disponibilizados.

O nó raiz de qualquer modelo sempre tem a ID exclusiva (NODE_UNIQUE_NAME) igual a 0. Todas as IDs de nó são atribuídas automaticamente pelo Analysis Services e não podem ser modificadas.

O nó raiz de cada modelo também contém alguns metadados básicos sobre o modelo. Estes metadados incluem o banco de dados do Analysis Services onde o modelo é armazenado (MODEL_CATALOG), o esquema (MODEL_SCHEMA) e o nome do modelo (MODEL_NAME). No entanto, essas informações são repetidas em todos os nós do modelo, de modo que não é necessário consultar o nó raiz para obter esses metadados.

Além de um nome usado como o identificador exclusivo, cada nó tem um nome (NODE_NAME). Este nome é criado automaticamente pelo algoritmo para propósitos de exibição e não pode ser editado.

Observação
O algoritmo Microsoft Clustering permite que os usuários atribuam nomes amigáveis a cada cluster. Porém, estes nomes amigáveis não são persistidos no servidor e, se você reprocessar o modelo, o algoritmo vai gerar novos nomes de cluster.

A legenda e a descrição de cada nó são geradas automaticamente pelo algoritmo e servem como rótulos para ajudar você a entender o conteúdo do nó. O texto gerado para cada campo depende do tipo de modelo. Em alguns casos, o nome, a legenda e a descrição podem conter exatamente a mesma cadeia de caracteres, mas em alguns modelos, a descrição pode conter informações adicionais. Consulte o tópico do tipo de modelo específico para obter detalhes da implementação.

Observação
O servidor do Analysis Services só dá suporte à mudança de nomes de nós se você criar modelos usando um algoritmo de plug-in personalizado que implementa a mudança de nome. Para habilitar a mudança de nome, você deve substituir os métodos ao criar o algoritmo de plug-in.

A relação entre nós pai e filhos em uma estrutura de árvore é determinada pelo valor da coluna PARENT_UNIQUE_NAME. Este valor é armazenado no nó filho e informa a ID do nó pai. Alguns exemplos a seguir mostram como essas informações poderiam ser usadas:

• Um PARENT_UNIQUE_NAME que é NULL indica que o nó é o nó superior do modelo.

• Se o valor de PARENT_UNIQUE_NAME for 0, o nó deve ser um descendente direto do nó superior no modelo. Isto porque a ID do nó raiz sempre é 0.

• Você pode usar funções em uma consulta DMX para localizar descendentes ou pais de um nó específico. Para obter mais informações sobre como usar funções em consultas, consulte Consultando modelos de mineração de dados (Analysis Services - Mineração de dados).

Cardinalidade refere-se ao número de itens em um conjunto. No contexto de um modelo de mineração processado, a cardinalidade informa o número de filhos em um nó específico. Por exemplo, se um modelo de árvore de decisão tiver um nó para [Renda Anual] e esse nó tiver dois filhos, um para a condição [Renda Anual] = Alta e outro para a condição [Renda Anual] = Baixa, o valor de CHILDREN_CARDINALITY para o nó [Renda Anual] seria 2.

Observação
No Analysis Services, somente os nós filho imediatos são contados ao calcular a cardinalidade de um nó. Porém, se você criar um algoritmo de plug-in personalizado, poderá sobrecarregar CHILDREN_CARDINALITY para contar a cardinalidade de modo diferente. Por exemplo, isto pode ser útil se você desejar contar o número total de descendentes, não apenas os filhos imediatos.

Embora a cardinalidade seja contada do mesmo modo para todos os modelos, a interpretação e o uso do valor de cardinalidade variam de acordo com o tipo de modelo. Por exemplo, em um modelo de clustering, a cardinalidade do nó superior informa o número total de clusters que foram localizados. Em outros tipos de modelos, a cardinalidade pode ter sempre um valor fixo dependendo do tipo de nó. Para obter mais informações sobre como interpretar a cardinalidade, consulte o tópico sobre o tipo de modelo específico.

Observação
Além disso, alguns modelos, como os criados pelo algoritmo Rede Neural da Microsoft, contêm um tipo de nó especial que fornece estatísticas descritivas sobre os dados de treinamento do modelo inteiro. Por definição, esses nós nunca têm nós filho.

A coluna NODE_DISTRIBUTION contém uma tabela aninhada que em muitos nós fornece informações importantes e detalhadas sobre os padrões identificados pelo algoritmo. As estatísticas exatas fornecidas nesta tabela variam de acordo com o tipo de modelo, a posição do nó na árvore e o tipo de atributo previsível (um valor numérico contínuo ou um valor discreto); no entanto, essas estatísticas podem incluir os valores mínimo e máximo de um atributo, os pesos atribuídos aos valores, o número de casos em um nó, os coeficientes usados em uma fórmula de regressão e medidas estatísticas como desvio padrão e variância. Para obter mais informações sobre como interpretar a distribuição de nós, consulte o tópico do tipo específico de modelo com o qual você está trabalhando.

Observação
A tabela NODE_DISTRIBUTION pode ser vazia, dependendo do tipo de nó. Por exemplo, alguns nós só servem para organizar uma coleção de nós filho e são os nós filho que contêm as estatísticas detalhadas.

A tabela aninhada, NODE_DISTRIBUTION, sempre contém as colunas seguintes. O conteúdo de cada coluna varia, dependendo do tipo de modelo. Para obter mais informações sobre tipos de modelo específicos, consulte Conteúdo do modelo de mineração por tipo de algoritmo.

• ATTRIBUTE_NAME
  O conteúdo varia conforme o algoritmo. Pode ser o nome de uma coluna, como um atributo previsível, uma regra, um conjunto de itens ou uma parte das informações internas do algoritmo (por exemplo, parte de uma fórmula).

  Esta coluna também pode conter um par de valores de atributo.

• ATTRIBUTE_VALUE
  Valor do atributo nomeado em ATTRIBUTE_NAME.

  Se o nome do atributo for uma coluna, então, no caso mais simples, ATTRIBUTE_VALUE conterá um dos valores discretos para aquela coluna.

  Dependendo do modo como o algoritmo processa os valores, ATTRIBUTE_VALUE também pode conter um sinalizador que informa se um valor existe para o atributo (Existing) ou se o valor é nulo (Missing).

  Por exemplo, se o seu modelo estiver configurado para encontrar clientes que adquiriram um item específico pelo menos uma vez, a coluna ATTRIBUTE_NAME poderá conter o par de valores de atributo que define o item de interesse, como Model = 'Water bottle', e a coluna ATTRIBUTE_VALUE conterá somente a palavra-chave Existing ou Missing.

• SUPPORT
  Contagem dos casos que têm este par de valores de atributo ou este conjunto de itens ou regra.

  Em geral, para cada nó, o valor de suporte informa quantos casos no conjunto de treinamento estão incluídos no nó atual. Na maioria dos tipos de modelo, o suporte representa uma contagem exata de casos. Valores de suporte são úteis porque você pode exibir a distribuição de dados dentro dos casos de treinamento sem precisar consultar os dados de treinamento. O servidor do Analysis Services também usa estes valores armazenados para calcular a probabilidade armazenada versus a probabilidade anterior e determinar se a inferência é forte ou fraca.

  Por exemplo, em uma árvore de classificação, o valor de suporte indica o número de casos que têm a combinação descrita de atributos.

  Em uma árvore de decisão, a soma de suporte em cada nível de uma árvore é somada ao suporte do nó pai. Por exemplo, se um modelo com 1200 casos for dividido igualmente por sexo e, em seguida, subdividido igualmente por três valores de Renda (Baixa, Média e Alta), os nós filho do nó (2), que são os nós (4), (5) e (6), sempre serão somados ao mesmo número de casos do nó (2).

  ID e atributos de nó	Contagem de suporte
  (1) Raiz do modelo	1200
  (2) Sexo = Masculino (3) Sexo = Feminino	600 600
  (4) Sexo = Masculino e Renda = Alta (5) Sexo = Masculino e Renda = Média (6) Sexo = Masculino e Renda = Baixo	200 200 200
  (7) Sexo = Feminino e Renda = Alta (8) Sexo = Feminino e Renda = Média (9) Sexo = Feminino e Renda = Baixo	200 200 200

  Para um modelo de clustering, o número de suporte pode ser ponderado para incluir as probabilidades de pertencer a vários clusters. A associação de vários clusters é o método de clustering padrão. Neste cenário, como cada caso não pertence necessariamente a um único cluster, o suporte nesses modelos talvez não chegue a 100% em todos os clusters.

• PROBABILITY
  Indica a probabilidade para este nó específico dentro do modelo inteiro.

  Geralmente, a probabilidade representa o suporte para este valor específico, dividido pela contagem total de casos dentro do nó (NODE_SUPPORT).

  Porém, a probabilidade é ligeiramente ajustada para eliminar a polarização causada por valores ausentes nos dados.

  Por exemplo, se os valores atuais para [Total de Filhos] forem “Um” e “Dois”, você talvez queira evitar a criação de um modelo que prevê a impossibilidade de ter filhos ou ter três filhos. Para assegurar que valores ausentes sejam improváveis, mas não impossíveis, o algoritmo sempre adiciona 1 à contagem de valores reais para qualquer atributo.

  Exemplo:

  Probabilidade de [Total de Filhos = Um] = [Contagem de casos onde Total de Filhos = Um] + 1/[Contagem de todos os casos] + 3

  Probabilidade de [Total de Filhos = Dois] = [Contagem de casos onde Total de Filhos = Dois] + 1/[Contagem de todos os casos] + 3

  Observação
  O ajuste de 3 é calculado somando-se 1 ao número total de valores existentes, n.

  Depois do ajuste, a soma das probabilidades para obter todos os valores ainda é 1. A probabilidade do valor sem-dados (neste exemplo, [Total de Filhos = “Zero”, “Três” ou algum outro valor]), começa em um nível muito baixo diferente de zero e aumenta lentamente conforme mais casos são adicionados.

• VARIANCE
  Indica a variância dos valores dentro do nó. Por definição, a variância é sempre 0 para valores discretos. Se o modelo der suporte a valores contínuos, a variância será calculada como σ (sigma), usando o denominador n ou o número de casos no nó.

  Há, em geral, duas definições para representar o desvio padrão (StDev). Um método para calcular o desvio padrão leva em conta a polarização e o outro método calcula o desvio padrão sem usar a polarização. Em geral, os algoritmos de mineração de dados da Microsoft não usam a polarização ao calcular o desvio padrão.

  O valor que aparece na tabela NODE_DISTRIBUTION é o valor real para todos os atributos discretos e diferenciados e a média para valores contínuos.

• VALUE_TYPE
  Indica o tipo de dados do valor ou um atributo e o uso do valor. Certos tipos de valor só se aplicam a certos tipos de modelo:

  ID de VALUE_TYPE	Rótulo do valor	Nome do tipo de valor
  1	Ausente	Indica que os dados do caso não tinham um valor para este atributo. O estado Missing é calculado separadamente dos atributos que têm valores.
  2	Existente	Indica que os dados do caso contêm um valor para este atributo.
  3	Contínuo	Indica que o valor do atributo é um valor numérico contínuo e, portanto, pode ser representado por uma média, juntamente com a variância e o desvio padrão.
  4	Discreto	Indica um valor, numérico ou texto, que é tratado como discreto. Observação   Os valores discretos também podem ser ausentes; no entanto, eles são tratados de modo diferente durante os cálculos. Para obter informações, consulte Valores ausentes (Analysis Services - Mineração de dados).
  5	Diferenciado	Indica que o atributo contém valores numéricos que foram diferenciados. O valor será uma cadeia de caracteres formatada que descreve os recipientes de diferenciação.
  6	Existente	Indica que o atributo tem valores numéricos contínuos e que os valores foram fornecidos nos dados, em comparação com os valores ausentes ou inferidos.
  7	Coeficiente	Indica um valor numérico que representa um coeficiente. Um coeficiente é um valor que é aplicado ao calcular o valor da variável dependente. Por exemplo, se o seu modelo cria uma fórmula de regressão que prevê a renda com base na idade, o coeficiente é usado na fórmula que relaciona idade e renda.
  8	Ganho de pontos	Indica um valor numérico que representa o ganho de pontos para um atributo.
  9	Estatísticas	Indica um valor numérico que representa uma estatística para um regressor.
  10	Nome exclusivo do nó	Indica que o valor não deve ser tratado como numérico ou cadeia de caracteres, mas como o identificador exclusivo de outro nó de conteúdo em um modelo. Por exemplo, em um modelo de rede neural, as IDs fornecem ponteiros de nós na camada de saída aos nós na camada oculta e ponteiros de nós na camada oculta aos nós na camada de entrada.
  11	Interceptação	Indica um valor numérico que representa a interceptação em uma fórmula de regressão.
  12	Periodicidade	Indica que o valor denota uma estrutura periódica em um modelo. Aplica-se somente a modelos de série temporal que contêm um modelo ARIMA. Observação O algoritmo MTS detecta estruturas periódicas automaticamente com base nos dados de treinamento. Devido a isso, as periodicidades no modelo final podem incluir valores de periodicidade que não foram fornecidos como parâmetros durante a criação do modelo.
  13	Ordem regressiva automática	Indica que o valor representa o número de séries regressivas automáticas. Aplica-se a modelos de série temporal que usam o algoritmo ARIMA.
  14	Ordem de média de movimentação	Representa um valor que representa o número de médias de movimentação em uma série. Aplica-se a modelos de série temporal que usam o algoritmo ARIMA.
  15	Ordem de diferença	Indica que o valor representa um valor que indica quantas vezes a série é diferenciada. Aplica-se a modelos de série temporal que usam o algoritmo ARIMA.
  16	Booleano	Representa um tipo Booleano.
  17	Outro	Representa um valor personalizado definido pelo algoritmo.
  18	Cadeia de caracteres pré-processada	Representa um valor personalizado que o algoritmo processa como uma cadeia de caracteres. Nenhuma formatação foi aplicada pelo modelo de objeto.

  Os tipos de valor são derivados da enumeração ADMOMD.NET. Para obter mais informações, consulte MiningValueType.

O significado da pontuação de nó varia dependendo do tipo de modelo e pode ser específico do tipo de nó. Para obter informações sobre como NODE_SCORE é calculado para cada modelo e tipo de nó, consulte Conteúdo do modelo de mineração por tipo de algoritmo.

O conjunto de linhas de esquema do modelo de mineração inclui as colunas NODE_PROBABILITY e MARGINAL_PROBABILITY para todos os tipos de modelo. Essas colunas só contêm valores em nós onde um valor de probabilidade é significativo. Por exemplo, o nó raiz de um modelo nunca contém uma pontuação de probabilidade.

Nesses nós que fornecem pontuações de probabilidade, a probabilidade de nó e as probabilidades marginais representam cálculos diferentes.

• Probabilidade marginal é a probabilidade de alcançar o nó a partir de seu pai.

• Probabilidade de nó é a probabilidade de alcançar o nó a partir da raiz.

• A probabilidade de nó sempre é menor ou igual à probabilidade marginal.

Por exemplo, se a população de todos os clientes em uma árvore de decisão for dividida igualmente por sexo (e nenhum valor estiver ausente) a probabilidade dos nós filho deve ser 0,5. Porém, suponha que cada um dos nós para gênero seja dividido igualmente pelos níveis de renda (Alta, Média e Baixa). Nesse caso, a pontuação de MARGINAL_PROBABILITY para cada nó filho sempre deve ser 0,33, mas o valor de NODE_PROBABILTY será o produto de todas as probabilidades que levam a esse nó e, assim, sempre será menor que o valor de MARGINAL_PROBABILITY.

O conjunto de linhas de esquema do modelo de mineração também inclui as colunas NODE_RULE e MARGINAL_RULE para todos os tipos de modelo. Essas colunas contêm fragmentos XML que podem ser usados para serializar um modelo ou representar alguma parte da estrutura do modelo. Essas colunas podem ficar em branco para alguns nós, se um valor não for significativo.

São fornecidos dois tipos de regras XML, similares aos dois tipos de valores de probabilidade. O fragmento XML em MARGINAL_RULE define o atributo e o valor para o nó atual, enquanto o fragmento XML em NODE_RULE descreve o caminho para o nó atual da raiz do modelo.

Voltar ao início