Neural ağ modeller için içerik modeli mining (Analysis Services - veri madenciliği)
Bu konu, Microsoft Neural ağ 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).
Neural ağ modeli yapısını anlama
Neural ağ modeli her model ve meta veriler temsil eden bir tek ana düğüm ve Marjinal istatistikleri düğüm vardır (node_type = 24), giriş öznitelikler hakkında açıklayıcı istatistikleri sağlar.İlgili giriş bilgileri özetler tek tek düğümleri verilerini sorgulamak gerekir böylece Marjinal istatistikleri düğüm yararlıdır, çünkü.
Bu iki düğüm altında en az iki daha fazla düğüm vardır ve çok daha fazlasını kaç öngörülebilir özniteliklerde bağlı modeli vardır.
İlk düğümü (node_type = 18) giriş katmanın üst düğüm her zaman temsil eder.Bu üst düğüm altında giriş düğümleri bulmak (node_type = 21) fiili giriş özniteliklerini ve değerlerini içerir.
Her ardışık düğümleri içeren farklı bir alt ağ (node_type = 17).Her alt ağ her zaman gizli bir katman içerir (node_type = 19) ve bir çıkış Katmanı (node_type = 20) bu alt ağ için.
Giriş katmanı bilgileri basittir: üst düğüm her giriş katman (node_type = 18) için bir düzenleyici görevi gören bir koleksiyon giriş düğümlerinin (node_type = 21).Giriş düğüm içeriği Aşağıda, açıklanan tablo.
Her alt ağı (node_type = 17) belirli bir tahmin edilebilir öznitelik giriş katmanın ilkelerin analiz temsil eder.Birden fazla tahmin edilebilir çıkışı varsa, birden çok alt ağları vardır.Her alt ağ için gizli katmanda birden çok gizli düğümler içerir (node_type = 22) belirli o gizli düğüm biten her geçiş için ağırlıklar hakkında ayrıntılı bilgi içerir.
Çıkış Katmanı (node_type = 20) çıktı düğümlerini içeren (node_type = 23) her ayrı öngörülebilir öznitelik değerlerini içerir.Öngörülebilir öznitelik sürekli sayısal veri türü ise, öznitelik için yalnızca tek bir çıkış düğüm vardır.
Not
Özel bir durum sadece bir tahmin edilebilir sonucunu ve büyük olasılıkla birçok girişleri olan neural ağ logistic regresyon algoritması kullanır.Logistic regresyon gizli bir katmanda kullanmaz.
Girdileri ve adreslendiğini yapısını keşfetmek için en kolay yolu Microsoft Genel içerik ağacı Görüntüleyici.Genişletmek ve alt düğümler görmek için herhangi bir düğümü tıklatın veya ağırlıkları ve içerdiği diğer İstatistikler düğümünü görüntüleyin.
Verilerle çalışmak ve nasıl model giriş çıkışları ile belirtilirler görmek için kullanmak Microsoft Neural ağ Görüntüleyicisi.Özel bu görüntüleyiciyi kullanarak 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.
Neural ağ modeli için içerik modeli
Bu bölümde, neural ağları için belirli yakınlık derecesine sahip yalnızca bu sütunlar araştırma modeli içerik için ayrıntı ve örnekler sağlar.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
Gizli düğüm
Blank
Çıkış katmanı
Blank
Çıkış düğüm
Çıkış öznitelik adı
NODE_NAME
Düğümün adı.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
Neural ağ 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.
20
Çıkış katmanı için Düzenleyici düğüm.
21
Giriş öznitelik düğümü.
22
Gizli katmanı düğüm
23
Çıkış öznitelik düğümü.
24
Marjinal istatistikleri düğüm.
NODE_CAPTION
Etiket veya düğüm ile ilişkili bir resim yazısı.Neural ağ modeller, 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
Modeli tarafından oluşturulan gizli düğüm sayısını gösterir.
Gizli düğüm
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
Gizli düğüm
Gizli düğüm listesi gizli düğüm sırasını gösteren tamsayı.
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
Gizli düğüm
Gizli düğüm listesi gizli düğüm sırasını gösteren tamsayı.
Çıkış katmanı
Blank
Çıkış düğüm
NODE_DESCRIPTION sütun aynı bilgileri içeren bir xml parçası.
MARGINAL_RULE
Neural ağ modeller için her zaman boş.NODE_PROBABILITY
Bu düğüm ile ilişkili olasılık.Neural ağ modeller için her zaman 0.MARGINAL_PROBABILITY
Üst düğüm düğümden ulaşmasını olasılık.Neural ağ modeller için her zaman 0.NODE_DISTRIBUTION
Düğüm için istatistiksel bilgileri içeren iç içe geçmiş bir tablo.Her düğüm türü için bu tablonun içeriği hakkında ayrıntılı bilgi için bkz: Bölüm NODE_DISTRIBUTION tablo anlama.NODE_SUPPORT
Neural ağ modeller için her zaman 0.Not
Destek olasılıklar, her zaman 0 çıktı bu model türü değildir, çünkü probabilistic.Ağırlıkları algoritması anlamlı; 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
Gizli düğüm
Blank
Çıkış katmanı
Blank
Çıkış düğüm
Giriş öznitelik adı.
MSOLAP_NODE_SCORE
Neural ağ modeli için her zaman 0.MSOLAP_NODE_SHORT_CAPTION
Neural ağ modeller için her zaman boş.
Açıklamalar
Neural ağ modeli eğitim amacı, her geçiş bir giriş için bir orta nokta ve bir son nokta için bir orta nokta ile ilişkili ağırlıkları belirlemektir.Bu nedenle, giriş modeli katmanı principally model oluşturmak için kullanılan fiili değerlerini depolamak için var.Hesaplanmış ve yeniden giriş öznitelikleri için işaretçiler sağlar ağırlıkları gizli katmanda saklar.Çıkış katmanı öngörülebilir değerleri depolayan ve Orta noktalar gizli katmanda geri işaretçiler sağlar.
Düğüm adları ve kimliklerinden kullanma
Neural ağ modeli içindeki düğümlerin adlandırma giriş katman gizli katmana ve gizli katmana çıktı katmanı arasında bir ilişki daha kolay hale getirmek için düğüm türü hakkında ek bilgi sağlar.Aşağıdaki tablo kuralı 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 |
Gizli düğüm (22) |
70000000000000000 Adresindeki başlatır |
Çıkış Katmanı (20) |
50000000000000000 |
Çıkış düğüm (23) |
80000000000000000 Adresindeki başlatır |
NODE_DISTRIBUTION bakarak belirli gizli katmanı düğüm için ilgili giriş öznitelikleri belirlemek tablo gizli düğümünde (node_type = 22).Her satırı NODE_DISTRIBUTION tablo giriş öznitelik düğümü Kimliğini içerir.
Benzer şekilde, NODE_DISTRIBUTION tablo çıktı düğümünde görüntüleyerek bir çıkış öznitelik için ilgili gizli katmanları belirleyebilirsiniz (node_type = 23).Her satırı NODE_DISTRIBUTION tablo ilgili katsayısı ile birlikte bir gizli katmanı düğüm Kimliğini içerir.
NODE_DISTRIBUTION tablosundaki bilgileri yorumlama
NODE_DISTRIBUTION tablo içindeki bazı düğüm boş olabilir.Ancak, giriş düğümleri, gizli katmanı düğüm ve çıkış düğüm modeli hakkında önemli ve ilginç bilgi NODE_DISTRIBUTION tablo depolar.Bu bilgiyi yorumlamaya yardımcı olmak için ATTRIBUTE_VALUE sütunundaki değeri Discrete (4), Discretized (5) veya sürekli (3) olup olmadığı söyler her satır için bir valuetype sütun NODE_DISTRIBUTION tablo içerir.
Giriş düğüm
Giriş katmanı her modelinde kullanılan öznitelik değeri için bir düğüm içeriyor.
Kesikli öznitelik: Giriş düğüm öznitelik_adý ve ATTRIBUTE_VALUE sütunlarında yalnızca adı öznitelik ve değeri depolar.Örneğin, [vardiya] sütun ise, am ve pm gibi modelinde kullanılan bu sütunun her değer için ayrı bir düğüm oluşturulur.NODE_DISTRIBUTION tablo özniteliğinin geçerli değeri her düğüm listeler için.
Sayısal öznitelik discretized: Giriş düğüm adı öznitelik ve değeri, bir aralık olabilir veya belirli bir değeri depolar.Tüm değerler '77.4 87.4' gibi ifadeler tarafından temsil edilen ya da ' <64.0' [saat başına konu] değeri.NODE_DISTRIBUTION tablo özniteliğinin geçerli değeri her düğüm listeler için.
Sürekli öznitelik: Giriş düğümü öznitelik ortalama değerini depolar.NODE_DISTRIBUTION tablo özniteliğinin geçerli değeri her düğüm listeler için.
Gizli katmanı düğüm
Gizli katmanı düğüm değişken sayıda içerir.Her düğümü NODE_DISTRIBUTION Tablo eşlemeleri gizli katmanından giriş katmanı düğümler içerir.Giriş katmanı düğüm karşılık gelen bir düğüm kimliği öznitelik_adý sütun içerir.ATTRIBUTE_VALUE sütun birleşimi giriş düğüm ve gizli katmanı düğüm ile ilişkilendirilmiş ağırlığını içerir.Son satırdaki tablo gizli katmanda gizli düğüm ağırlığını gösteren katsayısı içerir.
Çıkış düğüm
Çıkış katmanı modelinde kullanılan her çıkış değeri için bir çıkış düğüm içeriyor.Her düğüm gizli katmandaki düğümlerin çıktı katmandan eşlemelere NODE_DISTRIBUTION tablo içerir.Gizli katmanı düğüm karşılık gelen bir düğüm kimliği öznitelik_adý sütun içerir.ATTRIBUTE_VALUE sütun birleşimi çıkış düğümü ve gizli katmanı düğüm ile ilişkilendirilmiş ağırlığı içerir.
NODE_DISTRIBUTION tablo oluşuna göre aşağıdaki ek bilgilere sahip öznitelik türü:
**Kesikli öznitelik:**Düğüm bir bütün ve geçerli öznitelik değeri olarak bir katsayısı NODE_DISTRIBUTION tablo son iki satır içerir.
Sayısal öznitelik discretized: Özdeş kesikli öznitelikler öznitelik değeri olan bir aralık değer.
Sürekli öznitelik: Öznitelik düğümü bir bütün olarak katsayısı ortalamasını ve katsayı farkını NODE_DISTRIBUTION tablo son iki satır içerir.