모델에서 회귀 변수로 사용할 열 지정
선형 회귀 모델은 데이터를 예상 회귀선에 가능한 한 근접하게 맞추는 방식으로 입력을 조합하는 수식의 결과로 예측 가능한 특성 값을 나타냅니다. 알고리즘은 숫자 값만 입력으로 받으며 가장 적합한 입력을 자동으로 검색합니다.
그러나 FORCE_REGRESSOR 매개 변수를 모델에 추가하고 사용할 회귀 변수를 지정하여 열을 회귀 변수로 포함하도록 지정할 수 있습니다. 효과가 너무 작아 모델에서 검색할 수 없어도 특성이 의미를 가지는 경우 또는 특성을 수식에 포함해야 할 경우 이 작업을 원할 수 있습니다.
다음 절차에서는 신경망 자습서에 사용된 것과 동일한 예제 데이터를 사용하여 간단한 선형 회귀 모델을 만드는 방법을 설명합니다. 모델은 견고할 필요는 없지만 데이터 마이닝 디자이너를 사용하여 선형 회귀 모델을 사용자 지정하는 방법을 보여 줍니다.
단순 선형 회귀 모델을 만드는 방법
SQL Server Data Tools(SSDT)의 솔루션 탐색기에서 마이닝 구조를 확장합니다.
Call Center.dmm을 두 번 클릭하여 디자이너에서 엽니다.
마이닝 모델 메뉴에서 새 마이닝 모델을 선택합니다.
알고리즘에 대해 Microsoft 선형 회귀를 선택합니다. 이름에 대해 Call Center Regression을 입력합니다.
마이닝 모델 탭에서 열 사용법을 다음과 같이 변경합니다. 다음 목록에 없는 열은 모두 Ignore로 설정(이미 설정되어 있지 않은 경우)해야 합니다.
FactCallCenterID Key
ServiceGrade PredictOnly
Total Operators Input
AverageTimePerIssue Input
마이닝 모델 메뉴에서 모델 매개 변수 설정을 선택합니다.
매개 변수 FORCE_REGRESSOR의 경우 값 열에서 다음과 같이 괄호로 묶고 쉼표로 구분한 열 이름을 입력합니다.
[Average Time Per Issue],[Total Operators][!참고]
알고리즘이 자동으로 최상의 회귀 변수인 열을 검색합니다. 열을 최종 수식에 포함하려는 경우 회귀 변수를 적용하기만 하면 됩니다.
마이닝 모델 메뉴에서 모델 처리를 선택합니다.
뷰어에서 모델은 회귀 수식을 포함하는 단일 노드로 나타납니다. 마이닝 범례에서 수식을 보거나 쿼리를 사용하여 수식에 대한 계수를 추출할 수 있습니다.
참고 항목
참조
선형 회귀 모델에 대한 마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)