• Makale

Microsoft doğrusal regresyon algoritması

The Microsoft Linear Regression algorithm is a variation of the Microsoft Decision Trees algorithm that helps you calculate a linear relationship between a dependent and independent variable, and then use that relationship for prediction.

İlişki veri serisi en iyi temsil eden bir satır için bir Denklem biçimini alır.Örneğin, aşağıdaki diyagramda bir satırda en iyi olası doğrusal verileri gösterimidir.

Bir veri kümesini modelleyen satır

Diyagramdaki her veri noktası, regresyon çizgisinin uzaklığı ile ilişkili bir hata vardır.Katsayılar bir ve b gerileme Denklem açı ve regresyon çizgisinin konumunu ayarlayın.Regresyon denklemi ayarlayarak elde bir ve b noktalarıyla ilişkili hataları toplamı, en az ulaşıncaya kadar.

Birden çok değişken kullanan diğer tür regresyon ve doğrusal olmayan regresyon yöntemlerinin vardır.Ancak, doğrusal regresyon model değişikliği bazı temel faktörü içinde bir yanıt yararlı ve iyi bilinen bir yöntem budur.

Örnek

Doğrusal regresyon, sürekli iki sütun arasındaki ilişkiyi belirlemek için kullanabilirsiniz.Örneğin, doğrusal regresyon, üretim veya satış verilerinden bir eğilim çizgisine hesaplamak için kullanabilirsiniz.Doğrusal regresyon olarak daha karmaşık veri madenciliği modelleri geliştirilmesi için bir precursor veri sütunları arasındaki ilişki değerlendirmek için de.

Olmakla birlikte, veri madenciliği araçları kullanmanın avantajı gerektiren doğrusal regresyon hesaplamak için birçok yol Microsoft Bu görev için doğrusal regresyon algoritması olan değişkenler arasındaki olası ilişkileri otomatik olarak hesaplanan test ve.En küçük kareler için çözme gibi bir hesaplama yöntem seçmek zorunda değildir.Ancak, burada çok Etkenler sonucu etkileyen senaryolarda ilişkiler doğrusal regresyon oversimplify.

Algoritma nasıl çalışır?

The Microsoft Linear Regression algorithm is a variation of the Microsoft Decision Trees algorithm.Seçtiğinizde, Microsoft doğrusal regresyon algoritması, özel bir durum, Microsoft karar ağaçlar algoritma çağrıldığında, parametrelerle algoritma davranışını sınırlamak ve gerektiren belirli giriş veri türleri.Üstelik, doğrusal regresyon modeli, tam olarak veri küme bir standart karar ağaçları modeli verileri sürekli olarak daha küçük alt kümeleri ya da ağaçları böler ama ilişkileri ilk geçişinde bilgisayar kullanımı için kullanılır.

Doğrusal regresyon modeller için gerekli veri

Doğrusal regresyon modeli kullanmak için veri hazırladığınızda belirli algoritması gereksinimleri anlamanız gerekir.Bu, ne kadar veri gerekli ve verileri nasıl kullanıldığı içerir.Bu modeli türü için gereksinimleri aşağıdaki gibidir:

  • Tek bir key sütunher model, her kaydı benzersiz olarak tanımlayan bir sayı veya metin sütun içermelidir.Bileşik anahtarları izin verilmez.

  • Öngörülebilir sütunen az bir tahmin edilebilir sütun gerektirir.Birden çok öngörülebilir özniteliği bir modele dahil, ancak öngörülebilir öznitelikleri, sürekli sayısal veri türlerinde olmalıdır.Sayısal veriler için yerel depolama olsa bile, öngörülebilir bir öznitelik olarak bir datetime veri türünü kullanamazsınız.

  • Giriş sütunları giriş sütunları uygun veri türünü atanmış olması ve sürekli sayısal veri içermelidir.

Daha fazla bilgi için gereksinimleri bölümüne bakın Microsoft doğrusal regresyon algoritması Teknik Başvurusu.

Doğrusal regresyon modeli görüntüleme

Model keşfetmek için kullandığınız Microsoft ağacı Görüntüleyici.Doğrusal regresyon modeli için ağaç yapısını çok basit, tek bir düğümün içerdiği regresyon denklemi hakkında tüm bilgiler.Daha fazla bilgi için bkz: Microsoft ağacı Görüntüleyici ile bir araştırma modeli görüntüleme.

Denklemi hakkında daha fazla ayrıntı öğrenmek isterseniz, siz de katsayıları ve diğer ayrıntıları kullanarak görüntüleyebilirsiniz Microsoft Genel içerik ağacı Görüntüleyici.

Doğrusal regresyon modeli için modeli içerik meta veriler, regresyon formül ve giriş değerleri dağılımı ile ilgili istatistikleri içerir.Daha fazla bilgi için bkz: Doğrusal regresyon modeller için içerik modeli mining (Analysis Services - veri madenciliği).

Öngörüler oluşturma

Model işlendikten sonra sonuçlar olarak saklanan bir küme istatistik ile birlikte doğrusal regresyon formül, gelecekteki eğilimleri hesaplamak için kullanabilirsiniz.Doğrusal regresyon modeli ile kullanmak için sorgu örnekleri için bkz: Doğrusal regresyon modeli sorgulama (- Analysis Services veri madenciliği).

Veri madenciliği modelleri sorgular oluşturma hakkında genel bilgi için bkz: Veri madenciliği modelleri sorgulama (- Analysis Services veri madenciliği).

Doğrusal regresyon modelini seçerek oluşturma ek olarak Microsoft doğrusal regresyon algoritma öngörülebilir öznitelik, sürekli sayısal veri türü ise oluşturabileceğiniz bir karar ağacı modeli içeren eksiklikleri.Bu durum, uygun renk ayrımı noktaları bulduğunda, ancak bazı bölgelerde veri oluşturacaktır için regresyon formül yerine algoritması verileri bölecek.Karar ağaçları modeli içindeki regresyon ağaçları hakkında daha fazla bilgi için bkz: Karar ağacı modeller için içerik modeli mining (Analysis Services - veri madenciliği).

Açıklamalar

  • In öngörü modeli İşaretleme Dili (veri madenciliği modelleri oluşturmak için pmml) kullanımını desteklemez.

  • Veri madenciliği boyutları oluşturulmasını desteklemez.

  • detaylandırma destekler.

  • olap veri madenciliği modelleri destekler.