查詢羅吉斯迴歸模型 (Analysis Services - 資料採礦)

您可以藉由查詢資料採礦結構描述資料列集來尋找有關此模型的中繼資料，例如此模型建立的時間、上次處理此模型的時間、此模型所根據的採礦結構名稱，以及用來當做可預測屬性的資料行名稱。下列範例會傳回第一次建立模型時所使用的參數，以及模型的名稱、類型與建立模型的日期。

SELECT MODEL_NAME, SERVICE_NAME, DATE_CREATED, MINING_PARAMETERS 
FROM $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'Call Center_LR'

範例結果：

回頁首

下列查詢會傳回有關羅吉斯迴歸模型的一些基本資訊。羅吉斯迴歸模型在許多方面類似於類神經網路模型，包括存在一個描述當做輸入使用之值的臨界統計資料節點 (NODE_TYPE = 24)。這個範例查詢會使用目標郵寄模型，並且從巢狀資料表 NODE_DISTRIBUTION 中擷取所有輸入的值，藉以取得這些值。

SELECT FLATTENED NODE_DISTRIBUTION AS t
FROM [TM_Logistic Regression].CONTENT 

部分結果：

實際查詢會傳回更多資料列，但是，這個範例說明關於輸入所提供之資訊的類型。若為離散輸入，每個可能值都會列在資料表中。若為連續值輸入 (例如 Age)，就無法列出完整清單，因此輸入會離散化為平均值。如需有關如何使用臨界統計資料節點中資訊的詳細資訊，請參閱＜羅吉斯迴歸模型的採礦模型內容 (Analysis Services - 資料採礦)＞。

回頁首

由於羅吉斯迴歸支援將連續屬性同時用於輸入和預測，因此，在資料中建立與各種因數相互關聯的模型相當容易。您可以使用預測查詢來探索這些因數之間的關聯性。

下列查詢範例是以中繼教學課程中的撥接中心模型為基礎，並且建立單一查詢，以便預測星期五上午排班的服務等級。PredictHistogram (DMX) 函數會傳回一個巢狀資料表，其中提供與了解預測值之有效性相關的統計資料。

SELECT
  Predict([Call Center_LR].[Service Grade]) as Predicted ServiceGrade,
  PredictHistogram([Call Center_LR].[Service Grade]) as [Results],
FROM
  [Call Center_LR]
NATURAL PREDICTION JOIN
(SELECT 'Friday' AS [Day Of Week],
  'AM' AS [Shift]) AS t

範例結果：

如需有關巢狀 NODE_DISTRIBUTION 資料表中機率、支援和標準差值的詳細資訊，請參閱＜羅吉斯迴歸模型的採礦模型內容 (Analysis Services - 資料採礦)＞。

回頁首

羅吉斯迴歸通常用於您要分析提供二進位結果之因數的案例中。雖然教學課程中所使用的模型會預測連續值 ServiceGrade，不過在實際案例中，您可能會想要設定模型來預測服務等級是否符合某個離散化目標值。或者，您可能會先使用連續值來輸出預測，然後再將預測的結果分組成良好、普通或差。

下列範例說明如何變更可預測屬性的分組方式。若要這樣做，您可以建立採礦結構的複本，然後變更目標資料行的離散化方法，讓這些值成為分組值而非連續值。

下列程序描述如何變更撥接中心資料內 Service Grade 值的分組方式。

若要建立離散化版本的撥接中心採礦結構和模型

下列範例查詢是以這個離散化模型為基礎，並且預測一週內指定之日期的服務等級，以及每個預測結果的機率。

SELECT
  (PredictHistogram([Call Center_LR 1].[Service Grade])) as [Predictions]
FROM
  [Call Center_LR 1]
NATURAL PREDICTION JOIN
(SELECT 'Saturday' AS [Day Of Week]) AS t  

預期的結果：

請注意，預測的結果已經依照指定的方式分組成三個類別。不過，這些分組是以資料中實際值的群集為基礎，而非您可能設定為商務目標的二進位值。

回頁首