Microsoft Logistic regresyon algoritması
The Microsoft Logistic Regression algorithm is a variation of the Microsoft Neural Network algorithm.Logistic regresyon Evet-Hayır sonucu gibi ikili sonuçlar model oluşturma için kullanılan bir iyi bilinen istatistiksel tekniğidir.
Logistic regresyon giriş, herhangi bir türdeki almaktan son derece esnek ve birkaç farklı analitik görevler destekler:
Nüfus için belirli bir hastalık riski gibi sonuçlar hakkında Öngörüler yapmak için kullanın.
İncelemek ve bir sonuca katkıda bulunan faktörler ağırlık.Örneğin, bir mağaza için yineleme ziyaret yapmak için müşteriler etkileyen Etkenler bulun.
Belgeleri, e-posta veya çok sayıda özniteliği olan diğer nesneleri sınıflandırmak.
Örnek
Kim benzer demografik bilgileri paylaşabilir ve kim Adventure Works şirketi ürünleri satın kişi düşünün.Bir hedef ürünü satın gibi belirli bir sonuca bağlamak veri modelleme tarafından hedef ürün satın almak, birisinin olasılığını için demografik bilgileri nasıl katkıda bulunduğu görebilirsiniz.
Algoritma nasıl çalışır?
Logistic regresyon olduğu iyi bilinen bir istatistiksel yöntem sonucunu bir çift için çok Etkenler payını belirlemek için.Microsoft uygulaması değiştirilmiş neural ağ modeli arasındaki ilişkileri girişleri ve çıkışları için kullanır.Her giriş çıkış üzerindeki etkisini ölçülür ve çeşitli girişlerinin tamamlanmış modelinde ağırlıklı.Adı logistic regresyon geldiği olgu extreme değerleri etkisini en aza indirmek için logistic dönüştürme kullanarak veri eğri sıkıştırılır.Uygulaması ve algoritma özelleştirme hakkında daha fazla bilgi için bkz: Microsoft Logistic regresyon algoritması Teknik Başvurusu.
Logistic regresyon modeller için gerekli veri
Logistic regresyon modeli eğitim kullanmak için veri hazırladığınızda ne kadar veri gerekli ve verileri nasıl kullanıldığı gibi belirli algoritması gereksinimleri anlamanız gerekir.
Logistic regresyon modeli gereksinimleri aşağıdaki gibidir:
Tek bir anahtar sütunher model, her kaydı benzersiz olarak tanımlayan bir sayı veya metin sütun içermelidir.Bileşik anahtarları izin verilmez.
Giriş sütunlarıher modeli analiz Etkenler olarak kullanılan değerleri içeren en az bir giriş sütun içermelidir.Çoğu sütunları istediğiniz, ancak her sütundaki değerlerin sayısına bağlı olarak, ek sütunlar ve buna ek olarak artırabilirsiniz giriş olabilir saat modeli eğitmek için alır.
En az bir tahmin edilebilir sütunmodeli, sürekli sayısal veri dahil olmak üzere herhangi bir veri türü, en az bir tahmin edilebilir sütun içermelidir.Değerleri tahmin edilebilir sütun de girdiler için model olarak ele alınabilir veya yalnızca tahmin kullanılmasını belirtebilirsiniz.İç içe geçmiş tablolar öngörülebilir sütunlar için izin verilir, ancak giriş olarak kullanılabilir.
İçerik türleri ve logistic regresyon modeller için desteklenen veri türleri hakkında daha ayrıntılı bilgi için gereksinimleri bölümüne bakın Microsoft Logistic regresyon algoritması Teknik Başvurusu.
Logistic regresyon modeli görüntüleme
Model keşfetmek için Microsoft Genel içerik ağacı Görüntüleyici veya Microsoft Neural ağ Görüntüleyicisi'ni kullanabilirsiniz.
Model, Analysis Services gösterir Microsoft Neural ağ Görüntüleyicisi kullanarak belirli bir sonuca katkıda bulunan faktörler görüntülediğinizde, önemine göre temel alınarak derecelendirildi.öznitelik ve değerleri karşılaştırmak için seçebilirsiniz.Daha fazla bilgi için bkz: Microsoft Neural ağ Görüntüleyicisi ile bir araştırma modeli görüntüleme.
Daha fazla bilgi edinmek istiyorsanız, Microsoft Genel içerik ağacı Görüntüleyici kullanarak modeli ayrıntıları göz atabilirsiniz.Logistic regresyon modeli içerik modeli ve öngörülebilir öznitelikleri için alt ağları için kullanılan tüm girişleri gösteren Marjinal bir düğüm içerir.Daha fazla bilgi için bkz: Logistic regresyon modeller için içerik modeli mining (Analysis Services - veri madenciliği).
Öngörüler oluşturma
Modeli eğitim almış sonra modeli içeriği regresyon katsayıları ve diğer ayrıntıları almak için sorgular oluşturabilirsiniz veya modeli Öngörüler yapmak için kullanabilirsiniz.
Bir veri sorgular oluşturma hakkında genel bilgi için araştırma modeli, bkz: Veri madenciliği modelleri sorgulama (- Analysis Services veri madenciliği).
Logistic regresyon modeli sorgulamaları örnekler için bkz: Bir küme modeli sorgulama (- Analysis Services veri madenciliği).
Açıklamalar
detaylandırma desteklemiyor.Bunun nedeni araştırma modeli düğümler yapısını mutlaka doğrudan alttaki verilere karşılık gelmiyor.
Veri madenciliği boyutları oluşturulmasını desteklemez.
olap veri madenciliği modelleri destekler.
In öngörü modeli İşaretleme Dili (veri madenciliği modelleri oluşturmak için pmml) kullanımını desteklemez.