次の方法で共有

Neural Network Model Query Examples

  • [アーティクル]

適用対象:SQL Server 2019 以前の Analysis Services Azure Analysis Services Fabric/Power BI Premium

重要

データ マイニングは SQL Server 2017 Analysis Services で非推奨となり、SQL Server 2022 Analysis Services で停止されました。 非推奨および停止された機能については、ドキュメントの更新は行われません。 詳細については、「Analysis Services 下位互換性」を参照してください。

データ マイニング モデルに対するクエリを作成する際には、コンテンツ クエリを作成することも、予測クエリを作成することもできます。コンテンツ クエリでは、分析で検出されたパターンの詳細情報を取得できます。予測クエリでは、モデル内のパターンを使用して新しいデータについての予測を行うことができます。 たとえば、ニューラル ネットワーク モデルのコンテンツ クエリでは、非表示層の数などのモデル メタデータを取得できます。 また、予測クエリでは、入力に基づいて分類を提示し、必要に応じて各分類の確率を提供することもできます。

このセクションでは、Microsoft ニューラル ネットワーク アルゴリズムに基づくモデルのクエリを作成する方法について説明します。

コンテンツ クエリ

DMX を使用してモデル メタデータを取得する

スキーマ行セットからモデル メタデータを取得する

モデルの入力属性を取得する

非表示層から重みを取得する

予測クエリ

単一予測を作成する

ニューラル ネットワーク モデルに関する情報の入手

すべてのマイニング モデルでは、アルゴリズムによる学習内容が、正規化されたスキーマ (マイニング モデル スキーマ行セット) に従って公開されます。 この情報から、基本的なメタデータ、分析で検出された構造、処理の際に使用されたパラメーターなど、モデルに関する詳細情報を得ることができます。 モデル コンテンツに対するクエリは、データ マイニング拡張機能 (DMX) ステートメントを使用して作成できます。

サンプル クエリ 1: DMX を使用してモデル メタデータを取得する

次のクエリは、Microsoft ニューラル ネットワーク アルゴリズムを使用して構築されたモデルに関する基本的なメタデータを返します。 ニューラル ネットワーク モデルの親ノードには、モデルの名前、モデルが格納されているデータベースの名前、および子ノードの数だけが含まれます。 ただし、マージナル統計ノード (NODE_TYPE = 24) によって、この基本的なメタデータと、モデルで使用される入力列に関するいくつかの派生した統計が提供されます。

次のサンプル クエリは、「 中級者向けデータ マイニング チュートリアル」で作成した Call Center Default NNというマイニング モデルを基にしています。 このモデルは、コール センターからのデータを使用して、人員配置と電話/注文/案件数との間に存在する可能性がある相関関係を探索します。 この DMX ステートメントは、ニューラル ネットワーク モデルのマージナル統計ノードからデータを取得します。 関心のある入力属性の統計が入れ子になったテーブル NODE_DISTRIBUTION に格納されているため、このクエリには FLATTENED キーワードが含まれています。 ただし、使用しているクエリ プロバイダーが階層的な行セットをサポートしている場合は、FLATTENED キーワードを使用する必要はありません。

SELECT FLATTENED MODEL_CATALOG, MODEL_NAME,   
(    SELECT ATTRIBUTE_NAME, ATTRIBUTE_VALUE,  
     [SUPPORT], [PROBABILITY], VALUETYPE   
     FROM NODE_DISTRIBUTION  
) AS t  
FROM [Call Center Default NN].CONTENT  
WHERE NODE_TYPE = 24

注意

入れ子になったテーブル列の名前 SUPPORT および PROBABILITY は、同名の予約済みキーワードと区別するために角かっこで囲む必要があります。

結果の例:

MODEL_CATALOG MODEL_NAME T.ATTRIBUTE_NAME t.ATTRIBUTE_VALUE t.SUPPORT t.PROBABILITY t.VALUETYPE
Adventure Works DW Multidimensional 2012 Call Center NN 案件あたりの平均時間 Missing 0 0 1
Adventure Works DW Multidimensional 2012 Call Center NN 案件あたりの平均時間 < 64.7094100096 11 0.407407407 5

ニューラル ネットワーク モデルのコンテキストにおけるスキーマ行セット内の列の意味の定義については、「ニューラル ネットワーク モデルの マイニング モデル コンテンツ (Analysis Services - データ マイニング)」を参照してください。

サンプル クエリ 2: スキーマ行セットからモデル メタデータを取得する

データ マイニング スキーマ行セットに対してクエリを実行すると、DMX コンテンツ クエリで返されたのと同じ情報を取得できます。 ただし、スキーマ行セットから返される情報にはいくつかの追加の列があります 次のサンプル クエリは、モデルが作成された日、変更された日、および最後に処理された日を返します。 また、予測可能列 (モデル コンテンツから簡単に取得することはできません)、およびモデルの作成に使用されたパラメーターも返します。 この情報は、モデルのドキュメントを作成する場合に使用できます。

SELECT MODEL_NAME, DATE_CREATED, LAST_PROCESSED, PREDICTION_ENTITY, MINING_PARAMETERS   
from $system.DMSCHEMA_MINING_MODELS  
WHERE MODEL_NAME = 'Call Center Default NN'

結果の例:

行 メタデータ
MODEL_NAME Call Center Default NN
DATE_CREATED 1/10/2008 5:07:38 PM
LAST_PROCESSED 1/10/2008 5:24:02 PM
PREDICTION_ENTITY Average Time Per Issue,

Grade Of Service,

Number Of Orders
MINING_PARAMETERS HOLDOUT_PERCENTAGE=30, HOLDOUT_SEED=0,

MAXIMUM_INPUT_ATTRIBUTES=255, MAXIMUM_OUTPUT_ATTRIBUTES=255,

MAXIMUM_STATES=100, SAMPLE_SIZE=10000, HIDDEN_NODE_RATIO=4

サンプル クエリ 3: モデルの入力属性を取得する

モデルの作成に使用された入力属性と値のペアを取得するには、入力層 (NODE_TYPE = 18) の子ノード (NODE_TYPE = 20) に対してクエリを実行します。 次のクエリは、ノード記述から入力属性の一覧を返します。

SELECT NODE_DESCRIPTION  
FROM [Call Center Default NN].CONTENT  
WHERE NODE_TYPE = 2

結果の例:

NODE_DESCRIPTION
Average Time Per Issue=64.7094100096 - 77.4002099712
Day Of Week=Fri.
Level 1 Operators

ここでは結果からいくつかの代表的な行のみを示していますが、 NODE_DESCRIPTION で提供される情報が入力属性のデータ型によって少しずつ異なることがわかります。

  • 属性が不連続値または分離された値の場合は、属性とその値または分離された範囲が返されます。

  • 属性が連続する数値データ型の場合は、NODE_DESCRIPTION に属性名のみが含まれます。 ただし、入れ子になった NODE_DISTRIBUTION テーブルを取得して平均を求めたり、NODE_RULE を返して数値範囲の最小値と最大値を取得したりすることは可能です。

次のクエリは、入れ子になった NODE_DISTRIBUTION テーブルに対してクエリを実行して、属性とその値を別々の列に返す方法を示しています。 連続属性の場合、属性の値は平均で表されます。

SELECT FLATTENED   
(SELECT ATTRIBUTE_NAME, ATTRIBUTE_VALUE  
FROM NODE_DISTRIBUTION) as t  
FROM [Call Center Default NN -- Predict Service and Orders].CONTENT  
WHERE NODE_TYPE = 21

結果の例:

T.ATTRIBUTE_NAME t.ATTRIBUTE_VALUE
案件あたりの平均時間 64.7094100096 - 77.4002099712
Day Of Week Fri.
Level 1 Operators 3.2962962962963

範囲の最小値と最大値は NODE_RULE 列に格納され、次の例のように XML フラグメントとして表現されます。

<NormContinuous field="Level 1 Operators">    
  <LinearNorm orig="2.83967303681711" norm="-1" />    
  <LinearNorm orig="3.75291955577548" norm="1" />    
</NormContinuous>

サンプル クエリ 4: 非表示層から重みを取得する

ニューラル ネットワーク モデルのモデル コンテンツは、ネットワーク内の任意のノードに関する詳細を取得しやすい構造になっています。 さらに、ノードの ID 番号の情報からも、ノードの種類間のリレーションシップを識別できます。

次のクエリは、非表示層の特定のノードに格納された係数を取得する方法を示しています。 非表示層は、メタデータのみを含むオーガナイザー ノード (NODE_TYPE = 19)、および属性と値のさまざまな組み合わせの係数を含む複数の子ノード (NODE_TYPE = 22) で構成されます。 このクエリは、係数のノードだけを返します。

SELECT FLATTENED TOP 1 NODE_UNIQUE_NAME,   
(SELECT ATTRIBUTE_NAME, ATTRIBUTE_VALUE, VALUETYPE  
FROM NODE_DISTRIBUTION) as t  
FROM  [Call Center Default NN -- Predict Service and Orders].CONTENT  
WHERE NODE_TYPE = 22  
AND [PARENT_UNIQUE_NAME] = '40000000200000000' FROM [Call Center Default NN].CONTENT

結果の例:

NODE_UNIQUE_NAME T.ATTRIBUTE_NAME t.ATTRIBUTE_VALUE t.VALUETYPE
70000000200000000 6000000000000000a -0.178616518 7
70000000200000000 6000000000000000b -0.267561918 7
70000000200000000 6000000000000000c 0.11069497 7
70000000200000000 6000000000000000d 0.123757712 7
70000000200000000 6000000000000000e 0.294565343 7
70000000200000000 6000000000000000f 0.22245318 7
70000000200000000 0.188805045 7

ここに示した結果の一部は、ニューラル ネットワーク モデルのコンテンツで非表示ノードが入力ノードにどのように関係しているかを示しています。

  • 非表示層のノードの一意な名前は、常に 70000000 で始まります。

  • 入力層のノードの一意な名前は、常に 60000000 で始まります。

したがって、これらの結果から、ID 70000000200000000 で表されるノードには 6 つの異なる係数 (VALUETYPE = 7) が渡されていることがわかります。 係数の値は、ATTRIBUTE_VALUE 列に含まれています。 どの入力属性の係数かは、ATTRIBUTE_NAME 列のノード ID を使用して判断できます。 たとえば、ノード ID 6000000000000000a は、入力属性と値を参照します。 Day of Week = 'Tue.' ノード ID を使用してクエリを作成したり、 Microsoft 汎用コンテンツ ツリー ビューアーを使用してノードを参照したりすることができます。

同様に、出力層 (NODE_TYPE = 23) のノードの NODE_DISTRIBUTION テーブルに対してクエリを実行すると、各出力値の係数を確認できます。 ただし、出力層では、ポインターが非表示層のノードを参照します。 詳細については、「 ニューラル ネットワーク モデルのマイニング モデル コンテンツ (Analysis Services - データ マイニング)」を参照してください。

ニューラル ネットワーク モデルを使用した予測の作成

Microsoft ニューラル ネットワーク アルゴリズムでは、分類と回帰の両方がサポートされています。 これらのモデルで予測関数を使用して、新しいデータを提供したり、単一予測またはバッチ予測を作成したりすることができます。

サンプル クエリ 5: 単一予測を作成する

ニューラル ネットワーク モデルで予測クエリを作成する最も簡単な方法は、SQL Server Management StudioとSQL Server Data Toolsの両方のデータ マイニング Designerの [マイニング予測] タブで使用できる予測クエリ ビルダーを使用することです。 Microsoft ニューラル ネットワーク ビューアーでモデルを参照して関心のある属性をフィルター処理し、傾向を表示し、[ マイニング予測 ] タブに切り替えてクエリを作成し、それらの傾向の新しい値を予測できます。

たとえば、コール センター モデルを参照して、注文数とその他の属性の相関関係を表示できます。 これを行うには、ビューアーでモデルを開き、[入力] で [すべて] を選択します<>。 次に、 [出力]で [注文数]を選択します。 [値 1]で最も注文が多い範囲を選択し、 [値 2]で最も注文が少ない範囲を選択します。 これにより、モデルで注文数と相関関係があるすべての属性がひとめでわかります。

ビューアーで結果を参照すると、特定の曜日に注文数が少ないこと、およびオペレーターの増員と売上の向上に相関関係がありそうなことがわかります。 この場合、モデルに対する予測クエリを使用して "what if" 仮説を試し、注文数が少ない曜日にレベル 2 のオペレーターを増員すると注文が増加するかどうかを確認できます。 これを行うには、次のようなクエリを作成します。

SELECT Predict([Call Center Default NN].[Number of Orders]) AS [Predicted Orders],  
PredictProbability([Call Center Default NN].[Number of Orders]) AS [Probability]  
FROM [Call Center Default NN]  
NATURAL PREDICTION JOIN   
(SELECT 'Tue.' AS [Day of Week],  
13 AS [Level 2 Operators]) AS t

結果の例:

Predicted Orders 確率
364 0.9532...

この予測された売上高は火曜日の現在の売上高の範囲より高くなり、予測の確率は非常に高い値を示しています。 ただし、バッチ処理を使用して複数の予測を作成し、モデルに対してさまざまな仮説を試す必要がある場合もあります。

注意

Excel 2007 用データ マイニング アドインで提供されるロジスティック回帰ウィザードを使用すると、サービス グレードを特定のシフトのターゲット レベルまで引き上げるにはレベル 2 のオペレーターが何人必要になるかなど、複雑な質問に対する回答を簡単に求めることができます。 データ マイニング アドインは、無料でダウンロードできます。これらのアドインには、ニューラル ネットワークまたはロジスティック回帰アルゴリズムに基づいたウィザードが含まれています。 詳細については、「 Office 2007 用データ マイニング アドイン 」の Web サイトを参照してください。

予測関数の一覧

すべての Microsoft アルゴリズムでは、共通の関数セットがサポートされています。 Microsoft ニューラル ネットワーク アルゴリズムに固有の予測関数はありません。ただし、アルゴリズムでは、次の表に示す関数がサポートされています。

予測関数 使用
IsDescendant (DMX) あるノードがニューラル ネットワーク グラフ内の別のノードの子であるかどうかを示します。
PredictAdjustedProbability (DMX) 重み付け確率を返します。
PredictHistogram (DMX) 現在の予測値に関連する値のテーブルを返します。
PredictVariance (DMX) 予測値の分散を返します。
PredictProbability (DMX) 予測値の確率を返します。
PredictStdev (DMX) 予測された値の標準偏差を返します。
PredictSupport (DMX) ニューラル ネットワーク モデルとロジスティック回帰モデルの場合、モデル全体のトレーニング セットのサイズを表す 1 つの値を返します。

すべての Microsoft アルゴリズムに共通する関数の一覧については、「 アルゴリズム リファレンス (Analysis Services - データ マイニング)」を参照してください。 特定の関数の構文については、「 データ マイニング拡張機能 (DMX) 関数リファレンス」を参照してください。

参照

Microsoft ニューラル ネットワーク アルゴリズム
Microsoft Neural Network Algorithm Technical Reference
Mining Model Content for Neural Network Models (Analysis Services - Data Mining)
レッスン 5: ニューラル ネットワークおよびロジスティック回帰モデルの作成 (中級者向けデータ マイニング チュートリアル)