Logistic regresyon modeller için içerik modeli mining (Analysis Services - veri madenciliği)
Bu konu, Microsoft Logistic regresyon algoritması kullanan modelleri belirli araştırma modeli içeriği açıklar.Nasıl yorumlanacağı istatistikleri ve yapısı hakkında bir açıklama tüm model türleri tarafından paylaşılan ve genel terim tanımları ile ilgili araştırma modeli içeriği, bkz: İçerik modeli mining (Analysis Services - veri madenciliği).
Logistic regresyon modeli yapısını anlama
Logistic regresyon modeli gizli düğüm ortadan kaldırmak için oranları Parametreler ile Microsoft Neural ağ algoritması kullanılarak oluşturulur.Bu nedenle, logistic regresyon modeli genel yapısı neredeyse neural ağ için aynıdır: Her model, model ve meta veriler temsil eden bir tek ana düğüm ve özel Marjinal istatistikleri düğüm vardır (node_type = 24) modelinde kullanılan girdileri hakkında tanımlayıcı istatistik sağlar.
Ayrıca bir alt ağı modeli içerir (node_type = 17) her öngörülebilir öznitelik için.Gibi bir neural ağ modeli, her alt ağı her zaman iki dalları içerir: Giriş katmanı ve gizli katman içeren başka bir şube için bir (node_type = 19) ve çıktı Katmanı (node_type = 20) ağı için.Tahmin salt olarak belirtilmişse aynı alt ağ için birden çok özniteliği kullanılır.Ayrıca sinyalidir öngörülebilir öznitelikleri aynı alt ağ içinde görünmeyebilir.
Ancak, logistic regresyon modeli, gizli katmanda gösteren düğümü boştur ve alt öğesi yok.Bu nedenle bireysel çıkışlar temsil düğümler modeli vardır (node_type = 23) ve ayrı ayrı girişleri (node_type = 21) ancak hiçbir tek tek düğümleri gizli.
Varsayılan olarak, logistic regresyon modeli görüntülenen Microsoft Neural ağ Görüntüleyicisi.Bu özel Görüntüleyicisi ile giriş özniteliklerini ve değerlerini filtre ve grafiksel olarak çıkışları nasıl etkiledikleri bakın.Görüntüleyicisi'ndeki araç ipuçlarını olasılık ve girdi ve çıktı değerleri her çifti ile ilişkili lift göstermek.Daha fazla bilgi için bkz: Microsoft Neural ağ Görüntüleyicisi ile bir araştırma modeli görüntüleme.
Girdileri ve alt ağların yapısı keşfedin ve ayrıntılı istatistikleri görmek için Microsoft Genel içerik ağacı Görüntüleyicisi'ni kullanabilirsiniz.Genişletmek ve alt düğümler görmek için herhangi bir düğümü tıklatın veya ağırlıkları ve düğümün içerdiği diğer istatistiklerini görüntüleyin.
Logistic regresyon modeli için içerik modeli
Bu bölümde, logistic regresyon için belirli yakınlık derecesine sahip yalnızca bu sütunlar araştırma modeli içerik için ayrıntı ve örnekler sağlar.Modeli içeriği hemen hemen neural ağ modeli için aynıdır, ancak neural ağ modeller için geçerli olan açıklamaları tekrarlanan bu konuda tablo kolaylık sağlamak için.
Şema satır kümesi, model_catalog ve model_adı, gibi genel amaçlı sütunlar hakkında bilgi için değil açıklanan burada veya araştırma modeli terminolojinin açıklamaları için bkz: İçerik modeli mining (Analysis Services - veri madenciliği).
MODEL_CATALOG
Model depolandığı veritabanının adı.MODEL_ADI
Modelinin adı.ÖZNİTELİK_ADÝ
Bu düğüm karşılık gelen öznitelik adları.Düğüm
İçerik
Modeli kök
Blank
Marjinal istatistikleri
Blank
Giriş katmanı
Blank
Giriş düğüm
Giriş öznitelik adı
Gizli katmanı
Blank
Çıkış katmanı
Blank
Çıkış düğüm
Çıkış öznitelik adı
NODE_NAME
Düğümün adı.Şu anda, bu gelecek sürümlerde değişebilir ancak bu sütun NODE_UNIQUE_NAME, aynı değeri içerir.NODE_UNIQUE_NAME
Düğümü benzersiz adı.Nasıl modeli hakkında yapısal bilgi adları ve kimliklerinden sağlamak hakkında daha fazla bilgi için bkz: Bölüm kullanarak düğüm adları ve kimliklerinden.
NODE_TYPE
Logistic regresyon modeli aşağıdaki düğüm türleri çıktısını verir:Düğüm türü No
Açıklama
1
Modeli.
17
Altağ için Düzenleyici düğüm.
18
Giriş katmanı için Düzenleyici düğüm.
19
Gizli katmanı için Düzenleyici düğüm.Gizli katmanı boştur.
20
Çıkış katmanı için Düzenleyici düğüm.
21
Giriş öznitelik düğümü.
23
Çıkış öznitelik düğümü.
24
Marjinal istatistikleri düğüm.
NODE_CAPTION
Etiket veya düğüm ile ilişkili bir resim yazısı.Logistic regresyon modellerinde her zaman boş.CHILDREN_CARDINALITY
Düğüm olan çocuklar sayısı tahmini.Düğüm
İçerik
Modeli kök
En az 1 ağ içeren alt düğümler, Marjinal gerekli düğüm 1 ve 1 gerekli giriş katman sayısını gösterir.Örneğin, değeri 5 ise, 3 alt ağları vardır.
Marjinal istatistikleri
Her zaman 0.
Giriş katmanı
Modeli tarafından kullanılan giriş öznitelik-değer çiftleri sayısını gösterir.
Giriş düğüm
Her zaman 0.
Gizli katmanı
Logistic regresyon modeli, her zaman 0.
Çıkış katmanı
Çıkış değerleri sayısını gösterir.
Çıkış düğüm
Her zaman 0.
PARENT_UNIQUE_NAME
Düğümün üst benzersiz adı.Kök tüm düğümler için null döner düzey.Nasıl modeli hakkında yapısal bilgi adları ve kimliklerinden sağlamak hakkında daha fazla bilgi için bkz: Bölüm kullanarak düğüm adları ve kimliklerinden.
NODE_DESCRIPTION
Düğüm kullanımı kolay bir açıklaması.Düğüm
İçerik
Modeli kök
Blank
Marjinal istatistikleri
Blank
Giriş katmanı
Blank
Giriş düğüm
Giriş öznitelik adı
Gizli katmanı
Blank
Çıkış katmanı
Blank
Çıkış düğüm
Çıkış öznitelik sürekli ise, çıkış öznitelik adını içerir.
Çıkış öznitelik kesikli veya discretized ise, öznitelik ve değer adını içerir.
NODE_RULE
Düğüm gömülü kural bir xml açıklaması.Düğüm
İçerik
Modeli kök
Blank
Marjinal istatistikleri
Blank
Giriş katmanı
Blank
Giriş düğüm
NODE_DESCRIPTION sütun aynı bilgileri içeren bir xml parçası.
Gizli katmanı
Blank
Çıkış katmanı
Blank
Çıkış düğüm
NODE_DESCRIPTION sütun aynı bilgileri içeren bir xml parçası.
MARGINAL_RULE
Logistic regresyon modeller için her zaman boş.NODE_PROBABILITY
Bu düğüm ile ilişkili olasılık.Logistic regresyon modeller için her zaman 0.MARGINAL_PROBABILITY
Üst düğüm düğümden ulaşmasını olasılık.Logistic regresyon modeller için her zaman 0.NODE_DISTRIBUTION
Düğüm için istatistiksel bilgileri içeren iç içe geçmiş bir tablo.Bu tablo her düğüm türü için içeriği hakkında ayrıntılı bilgi için NODE_DISTRIBUTION tablo içinde anlama bölümüne bakın Neural ağ modeller için içerik modeli mining (Analysis Services - veri madenciliği).NODE_SUPPORT
Logistic regresyon modeller için her zaman 0.Not
Destek olasılıklar, her zaman 0 çıktı bu model türü değildir, çünkü probabilistic.Algoritma için anlamlı olan tek şey, ağırlıkları ise; Bu nedenle, algoritma olasılık, destek veya sapma hesaplaması yapmıyor.
Eğitim durumlarda belirli değerleri için destek hakkında bilgi almak için bkz: Marjinal istatistikleri düğüm.
MSOLAP_MODEL_COLUMN
Düğüm
İçerik
Modeli kök
Blank
Marjinal istatistikleri
Blank
Giriş katmanı
Blank
Giriş düğüm
Giriş öznitelik adı.
Gizli katmanı
Blank
Çıkış katmanı
Blank
Çıkış düğüm
Giriş öznitelik adı.
MSOLAP_NODE_SCORE
Logistic regresyon modellerinde, her zaman 0.MSOLAP_NODE_SHORT_CAPTION
Logistic regresyon modellerinde her zaman boş.
Düğüm adları ve kimliklerinden kullanma
Logistic regresyon modeli içindeki düğümlerin adlandırma modeli düğümler arasındaki ilişkileri hakkında ek bilgi sağlar.Aşağıdaki tablo kuralları her katmanı düğümler için atanan kimlikler gösterilir.
Düğüm türü |
Düğüm kimliği için kuralı |
---|---|
Modeli kök (1) |
00000000000000000. |
Marjinal istatistikleri düğüm (24) |
10000000000000000 |
Giriş Katmanı (18) |
30000000000000000 |
Giriş düğüm (21) |
60000000000000000 Adresindeki başlatır |
Alt ağ (17) |
20000000000000000 |
Gizli Katmanı (19) |
40000000000000000 |
Çıkış Katmanı (20) |
50000000000000000 |
Çıkış düğüm (23) |
80000000000000000 Adresindeki başlatır |
Bu kimlikleri, nasıl çıktı öznitelikleri belirli giriş katmanı öznitelikleri için NODE_DISTRIBUTION görüntüleyerek ilişkili olduğunu belirlemek için kullanabileceğiniz tablo çıkış düğümü.Her satır, tablo bir belirli giriş öznitelik düğümü gösteren bir Kimliğini içerir.NODE_DISTRIBUTION tablo katsayısı, giriş-çıkış çifti için de içerir.