Содержимое модели интеллектуального анализа данных для моделей нейронной сети (службы Analysis Services — интеллектуальный анализ данных)

В этом разделе описывается содержимое модели интеллектуального анализа данных, относящееся к моделям, используюющим алгоритм нейронной сети 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 нейронной сети

Каждая модель нейронной сети имеет один родительский узел, представляющий модель и его метаданные, а также узел маргинальной статистики (NODE_TYPE = 24), предоставляющий описательную статистику о входных атрибутах. Узел маргинальной статистики полезен, так как он суммирует сведения о входных данных, чтобы не нужно запрашивать данные из отдельных узлов.

Под этими двумя узлами существует по крайней мере два дополнительных узла и может быть много больше, в зависимости от количества прогнозируемых атрибутов модели.

• Первый узел (NODE_TYPE = 18) всегда представляет верхний узел входного слоя. Под этим верхним узлом можно найти входные узлы (NODE_TYPE = 21), которые содержат фактические входные атрибуты и их значения.

• Последовательные узлы содержат другую подсеть (NODE_TYPE = 17). Каждая подсеть всегда содержит скрытый слой (NODE_TYPE = 19), а выходной слой (NODE_TYPE = 20) для этой подсети.

Сведения в входном слое просты: верхний узел для каждого входного слоя (NODE_TYPE = 18) служит организатором для коллекции входных узлов (NODE_TYPE = 21). Содержимое входных узлов описано в следующей таблице.

Каждая подсеть (NODE_TYPE = 17) представляет анализ влияния входного слоя на определенный прогнозируемый атрибут. Если есть несколько прогнозируемых выходных данных, существует несколько подсетей. Скрытый слой для каждой подсети содержит несколько скрытых узлов (NODE_TYPE = 22), которые содержат сведения о весах каждого перехода, заканчивающегося этим конкретным скрытым узлом.

Выходной слой (NODE_TYPE = 20) содержит выходные узлы (NODE_TYPE = 23), которые содержат отдельные значения прогнозируемого атрибута. Если прогнозируемый атрибут является непрерывным числовым типом данных, для атрибута существует только один выходной узел.

Самый простой способ изучить структуру входных данных и подсетей — использовать средство просмотра дерева универсального 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.

Чтобы работать с данными и узнать, как модель сопоставляет входные данные с выходными данными, используйте средство 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".

Содержимое модели для модели нейронной сети

В этом разделе приведены подробные сведения и примеры только для тех столбцов содержания модели интеллектуального анализа данных, которые имеют особую значимость для нейронных сетей. 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 атрибутов, соответствующих этому узлу.

NODE_NAME
Имя узла. Этот столбец содержит то же значение, что и NODE_UNIQUE_NAME.

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 нейронной сети выводит следующие типы узлов:

NODE_CAPTION
Метка или подпись, связанная с узлом. В моделях нейронной сети 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.

ПРАВИЛО УЗЛА
XML-описание правила, внедренного в узел.

ПРАВИЛО_НА_КРАЮ
Для моделей нейронной сети всегда оставляйте пустым.

УЗЕЛ_ВЕРОЯТНОСТЬ
Вероятность, связанная с этим узлом. Для моделей нейронной сети всегда 0.

маргинальная вероятность
Вероятность достижения узла из родительского узла. Для моделей нейронной сети всегда 0.

РАСПРЕДЕЛЕНИЕ_УЗЛОВ
Вложенная таблица, содержащая статистические сведения для узла. Подробные сведения о содержимом этой таблицы для каждого типа узла см. в разделе "Общие сведения о таблице NODE_DISTRIBUTION".

поддержка узла
Для моделей нейронной сети 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|
|Скрытый узел|Пусто|
|Уровень вывода|Пусто|
|Выходной узел |Имя входного атрибута.|

MSOLAP_NODE_SCORE
Для модели нейронной сети всегда 0.

MSOLAP_NODE_SHORT_CAPTION
Для моделей нейронной сети всегда пусто.

Замечания

Цель обучения модели нейронной сети заключается в определении весов, связанных с каждым переходом от входных данных к точке середины, а затем от этой точки к конечной точке. Таким образом, входной слой модели в основном существует для хранения фактических значений, которые использовались для сборки модели. Скрытый слой сохраняет весы, которые были вычислены, и предоставляет указатели обратно к входным атрибутам. Выходной слой сохраняет прогнозируемые значения, а также предоставляет указатели назад к середине в скрытом слое.

Использование имен узлов и идентификаторов

Именование узлов в модели нейронной сети предоставляет дополнительные сведения о типе узла, чтобы упростить связь скрытого слоя с входным слоем, а выходной слой — с скрытым слоем. В следующей таблице показано соглашение об идентификаторах, назначенных узлам в каждом слое.

Вы можете определить, какие входные атрибуты связаны с определенным узлом скрытого слоя, просмотрев таблицу NODE_DISTRIBUTION в скрытом узле (NODE_TYPE = 22). Каждая строка таблицы NODE_DISTRIBUTION содержит идентификатор узла входного атрибута.

Аналогичным образом можно определить, какие скрытые слои связаны с выходным атрибутом, просмотрев таблицу NODE_DISTRIBUTION в выходном узле (NODE_TYPE = 23). Каждая строка таблицы NODE_DISTRIBUTION содержит идентификатор узла скрытого слоя вместе со связанным коэффициентом.

Интерпретация сведений в таблице NODE_DISTRIBUTION

Таблица NODE_DISTRIBUTION может быть пуста на некоторых узлах. Однако для входных узлов, скрытых узлов слоя и выходных узлов таблица NODE_DISTRIBUTION хранит важную и интересную информацию о модели. Чтобы интерпретировать эти сведения, таблица NODE_DISTRIBUTION содержит столбец VALUETYPE для каждой строки, которая указывает, является ли значение в столбце ATTRIBUTE_VALUE дискретным (4), дискретизованным (5) или непрерывным (3).

Входные узлы

Входной слой содержит узел для каждого значения атрибута, который использовался в модели.

Дискретный атрибут: Входной узел сохраняет только имя атрибута и его значение в столбцах ATTRIBUTE_NAME и ATTRIBUTE_VALUE. Например, если [Work Shift] является столбцом, для каждого значения этого столбца, используемого в модели, создается отдельный узел, например AM и PM. Таблица NODE_DISTRIBUTION для каждого узла содержит только текущее значение атрибута.

Дискретизированный числовый атрибут: Входной узел сохраняет имя атрибута и значение, которое может быть диапазоном или определенным значением. Все значения представлены выражениями, такими как "77.4 - 87.4" или "< 64.0" для значения [время на задачу]. Таблица NODE_DISTRIBUTION для каждого узла содержит только текущее значение атрибута.

Непрерывный атрибут: Входной узел сохраняет среднее значение атрибута. Таблица NODE_DISTRIBUTION для каждого узла содержит только текущее значение атрибута.

Узлы скрытого слоя

Скрытый слой содержит переменное число узлов. В каждом узле таблица NODE_DISTRIBUTION содержит сопоставления со скрытого слоя к узлам во входном слое. Столбец ATTRIBUTE_NAME содержит идентификатор узла, соответствующий узлу в входном слое. Столбец ATTRIBUTE_VALUE содержит вес, связанный с этим сочетанием входного узла и скрытого узла слоя. Последняя строка в таблице содержит коэффициент, представляющий вес скрытого узла в скрытом слое.

Выходные узлы

Выходной слой содержит один выходной узел для каждого выходного значения, используемого в модели. В каждом узле таблица NODE_DISTRIBUTION содержит сопоставления из выходного слоя с узлами в скрытом слое. Столбец ATTRIBUTE_NAME содержит идентификатор узла, соответствующий узлу в скрытом слое. Столбец ATTRIBUTE_VALUE содержит вес, связанный с этим сочетанием выходного узла и узла скрытого слоя.

В таблице NODE_DISTRIBUTION содержатся следующие дополнительные сведения в зависимости от типа атрибута:

Дискретный атрибут: Последние две строки таблицы NODE_DISTRIBUTION содержат коэффициент для узла в целом и текущее значение атрибута.

Дискретизированный числовый атрибут: Идентичен дискретным атрибутам, за исключением того, что значение атрибута является диапазоном значений.

Непрерывный атрибут: Последние две строки таблицы NODE_DISTRIBUTION содержат среднее значение атрибута, коэффициент для узла в целом и дисперсию коэффициента.

См. также

Алгоритм нейронной сети Майкрософт
Технический справочник по алгоритму нейронной сети Майкрософт
Примеры запросов модели нейронной сети