Содержимое модели интеллектуального анализа данных для моделей логистической регрессии (службы Analysis Services — интеллектуальный анализ данных)

В этом разделе описывается содержимое модели интеллектуального анализа данных, относящееся к моделям, используюющим алгоритм логистической регрессии Майкрософт. Описание интерпретации статистики и структуры, общих для всех типов моделей и общих определений терминов, связанных с содержимым модели интеллектуального анализа данных, см. в разделе "Содержимое модели интеллектуального анализа данных" (службы Analysis Services — интеллектуальный анализ данных).

Общие сведения о структуре модели логистической регрессии

Модель логистической регрессии создается с помощью алгоритма нейронной сети Майкрософт с параметрами, ограничивающими модель для устранения скрытого узла. Поэтому общая структура модели логистической регрессии почти идентична структуре нейронной сети: каждая модель имеет один родительский узел, представляющий модель и ее метаданные, и специальный узел статистики маргинальной статистики (NODE_TYPE = 24), предоставляющий описательную статистику о входных данных, используемых в модели.

Кроме того, модель содержит подсеть (NODE_TYPE = 17) для каждого прогнозируемого атрибута. Как и в модели нейронной сети, каждая подсеть всегда содержит две ветви: одну для входного слоя, а другую ветвь, содержащую скрытый слой (NODE_TYPE = 19) и выходной слой (NODE_TYPE = 20) для сети. Одну подсеть можно использовать для нескольких атрибутов, если они указаны только для прогноза. Прогнозируемые атрибуты, которые также являются входными данными, могут не отображаться в одной подсети.

Однако в модели логистической регрессии узел, представляющий скрытый слой, пуст и не имеет дочерних элементов. Поэтому модель содержит узлы, представляющие отдельные выходные данные (NODE_TYPE = 23) и отдельные входные данные (NODE_TYPE = 21), но не отдельные скрытые узлы.

По умолчанию модель логистической регрессии отображается в средстве просмотра нейронной сети Майкрософт. С помощью этого пользовательского средства просмотра можно фильтровать входные атрибуты и их значения, а также графически видеть, как они влияют на выходные данные. Подсказки в просмотрщике показывают вероятность и повышение, связанные с каждой парой входных и выходных значений. Дополнительные сведения см. в статье "Обзор модели с помощью средства просмотра нейронных сетей Майкрософт".

Чтобы изучить структуру входных данных и подсети, а также просмотреть подробные статистические данные, можно использовать средство просмотра дерева содержимого Майкрософт. Вы можете щелкнуть любой узел, чтобы развернуть его и просмотреть дочерние узлы, или просмотреть весовые значения и другие статистические данные, содержащиеся в узле.

Содержимое модели для модели логистической регрессии

В этом разделе приведены подробные сведения и примеры только для этих столбцов в содержимом модели интеллектуального анализа данных, которые имеют особое значение для логистической регрессии. Содержимое модели почти идентично модели нейронной сети, но описания, применяемые к моделям нейронной сети, могут повторяться в этой таблице для удобства.

Сведения о столбцах общего назначения в наборе строковых данных схемы, таких как MODEL_CATALOG и MODEL_NAME, которые не описаны здесь, или объяснения используемой терминологии моделей интеллектуального анализа данных см. в разделе "Содержимое модели интеллектуального анализа данных" (службы Analysis Services — интеллектуальное анализ данных)..

Каталог моделей
Имя базы данных, в которой хранится модель.

MODEL_NAME
Имя модели.

ИМЯ_АТРИБУТА
Имена атрибута, соответствующего этому узлу.

NODE_NAME
Имя узла. В настоящее время этот столбец содержит то же значение, что и NODE_UNIQUE_NAME, хотя это может измениться в будущих выпусках.

УЗЕЛ_УНИКАЛЬНОЕ_ИМЯ
Уникальное имя узла.

Дополнительные сведения о том, как имена и идентификаторы предоставляют структурные сведения о модели, см. в разделе "Использование имен узлов и идентификаторов".

ТИП_УЗЛА
Модель логистической регрессии выводит следующие типы узлов:

NODE_CAPTION
Метка или подпись, связанная с узлом. В моделях логистической регрессии всегда пусто.

КАРДИНАЛЬНОСТЬ_ДЕТЕЙ
Оценка количества дочерних элементов, которые имеет узел.

УНИКАЛЬНОЕ_ИМЯ_РОДИТЕЛЯ
Уникальное имя узла-родителя. Значение NULL возвращается для любых узлов на корневом уровне.

Дополнительные сведения о том, как имена и идентификаторы предоставляют структурные сведения о модели, см. в разделе "Использование имен узлов и идентификаторов".

ОПИСАНИЕ_УЗЛА
Понятное описание узла.

NODE_RULE
XML-описание правила, внедренного в узел.

ПРАВИЛО_НА_КРАЮ
Для моделей логистической регрессии всегда пусто.

УЗЕЛ_ВЕРОЯТНОСТЬ
Вероятность, связанная с этим узлом. Для моделей логистической регрессии всегда 0.

маргинальная вероятность
Вероятность достижения узла из родительского узла. Для моделей логистической регрессии всегда 0.

РАСПРЕДЕЛЕНИЕ_УЗЛОВ
Вложенная таблица, содержащая статистические сведения для узла. Подробную информацию о содержимом этой таблицы для каждого типа узла см. в разделе "Понимание таблицы NODE_DISTRIBUTION" в содержимом модели интеллектуального анализа данных для моделей нейронных сетей (службы Analysis Services — интеллектуальный анализ данных).

поддержка узла
Для моделей логистической регрессии всегда 0.

Чтобы получить информацию о поддержке обучающих случаев для конкретных значений, обратитесь к узлу маргинальной статистики.

MSOLAP_MODEL_COLUMN
|Узел |Содержимое |
|----------|-------------|
|Основная директория модели |Пусто|
|Маргинальная статистика|Пусто|
|Входной слой |Пусто|
|Входной узел |Имя входного атрибута.|
|Скрытый слой|Пробел|
|Уровень вывода|Пусто|
|Выходной узел |Имя входного атрибута.|

MSOLAP_NODE_SCORE
В моделях логистической регрессии всегда 0.

MSOLAP_NODE_SHORT_CAPTION
В моделях логистической регрессии всегда пусто.

Использование имен узлов и идентификаторов

Именование узлов в модели логистической регрессии предоставляет дополнительные сведения о связях между узлами в модели. В следующей таблице показаны соглашения для идентификаторов, назначенных узлам в каждом слое.

Эти идентификаторы можно использовать для определения того, как выходные атрибуты связаны с определенными атрибутами входного слоя, просматривая таблицу NODE_DISTRIBUTION выходного узла. Каждая строка в этой таблице содержит идентификатор, указывающий на определенный узел входного атрибута. Таблица NODE_DISTRIBUTION также содержит коэффициент для этой пары входных выходных данных.

См. также

Алгоритм логистической регрессии Майкрософт
Модель контента интеллектуального анализа данных для моделей нейронных сетей (Analysis Services — интеллектуальный анализ данных)
Примеры запросов модели логистической регрессии
Технический справочник по алгоритму логистической регрессии Майкрософт