Conteúdo do modelo de mineração para modelos de regressão linear (Analysis Services – Mineração de Dados)

Artigo
11/18/2014

Este tópico descreve o conteúdo do modelo de mineração específico para modelos que usam o algoritmo Regressão Linear da Microsoft. Para obter uma explicação geral sobre o conteúdo do modelo de mineração para todos os tipos de modelo, consulte Conteúdo do modelo de mineração (Analysis Services – Mineração de dados).

Entendendo a estrutura de um modelo de regressão linear

Um modelo de regressão linear tem uma estrutura extremamente simples. Cada modelo tem um único nó pai que representa o modelo e seus metadados e um nó de árvore de regressão (NODE_TYPE = 25) que contém uma fórmula de regressão para cada atributo previsível.

Estrutura do modelo para regressão linear

Os modelos de regressão linear usam o mesmo algoritmo Árvores de Decisão da Microsoft, mas são usados parâmetros diferentes para restringir a árvore e apenas atributos contínuos são aceitos como entradas. Entretanto, como os modelos de regressão linear são baseados no algoritmo Árvores de Decisão do Microsoft, eles são exibidos com o uso do Visualizador de Árvore de Decisão do Microsoft. Para obter informações, consulte Procurar um modelo usando a Exibição de Árvore da Microsoft.

A próxima seção explica como interpretar informações no nó da fórmula de regressão. Essas informações são aplicadas não apenas a modelos de regressão linear, mas também a modelos de árvores de decisão que contêm regressões em uma parte da árvore.

Conteúdo de um modelo de regressão linear

Esta seção fornece detalhes e exemplos somente para as colunas de conteúdo do modelo de mineração que são relevantes para a regressão linear.

Para obter informações sobre colunas de uso general no conjunto de linhas de esquema, consulte Conteúdo do modelo de mineração (Analysis Services – Mineração de dados).

MODEL_CATALOG
Nome do banco de dados no qual o modelo é armazenado.
MODEL_NAME
Nome do modelo.
ATTRIBUTE_NAME
Nó raiz: em branco

Nó de regressão O nome do atributo previsível.
NODE_NAME
Sempre igual a NODE_UNIQUE_NAME.
NODE_UNIQUE_NAME
Um identificador exclusivo do nó no modelo. Esse valor não pode ser alterado.
NODE_TYPE
Um modelo de regressão linear gera os seguintes tipos de nó:

ID do tipo de nó

Tipo

Descrição

25

Raiz da árvore de regressão

Contém a fórmula que descreve a relação entre a variável de entrada e saída.
NODE_CAPTION
Um rótulo ou uma legenda associada ao nó. Essa propriedade é usada principalmente para exibição.

Nó raiz: em branco

Nó de regressão: Tudo.
CHILDREN_CARDINALITY
Uma estimativa do número de filhos do nó.

Nó raiz: Indica o número de nós de regressão. Um nó de regressão é criado para cada atributo previsível no modelo.

Nó de regressão: Sempre 0.
PARENT_UNIQUE_NAME
O nome exclusivo do nó pai. NULL é retornado para todos os nós em nível raiz.
NODE_DESCRIPTION
Uma descrição do nó.

Nó raiz: em branco

Nó de regressão: Tudo.
NODE_RULE
Não é usado em modelos de regressão linear.
MARGINAL_RULE
Não é usado em modelos de regressão linear.
NODE_PROBABILITY
A probabilidade associada a este nó.

Nó raiz: 0

Nó de regressão: 1
MARGINAL_PROBABILITY
A probabilidade de que o nó seja alcançado a partir do nó pai.

Nó raiz: 0

Nó de regressão: 1
NODE_DISTRIBUTION
Uma tabela aninhada que fornece estatísticas sobre os valores no nó.

Nó raiz: 0

Nó de regressão: Uma tabela que contém os elementos usados para criar a fórmula de regressão. Um nó de regressão contém os seguintes tipos de valor:

VALUETYPE

1 (Ausente)

3 (Contínuo)

7 (Coeficiente)

8 (Ganho de pontos)

9 (Estatísticas)

11 (Interceptação)
NODE_SUPPORT
O número de casos com suporte para este nó.

Nó raiz: 0

Nó de regressão: Contagem dos casos de treinamento.
MSOLAP_MODEL_COLUMN
Nome do atributo previsível.
MSOLAP_NODE_SCORE
O mesmo que NODE_PROBABILITY.
MSOLAP_NODE_SHORT_CAPTION
O rótulo usado para exibição.

ID do tipo de nó	Tipo	Descrição
25	Raiz da árvore de regressão	Contém a fórmula que descreve a relação entre a variável de entrada e saída.

VALUETYPE
1 (Ausente)
3 (Contínuo)
7 (Coeficiente)
8 (Ganho de pontos)
9 (Estatísticas)
11 (Interceptação)

Comentários

Ao criar um modelo usando o algoritmo Regressão Linear da Microsoft, o mecanismo de mineração de dados cria uma instância especial de um modelo de árvores de decisão e fornece parâmetros que restringem a árvore para que ela tenha todos os dados de treinamento em um único nó. Todas as entradas contínuas são sinalizadas e avaliadas como regressores potenciais, mas apenas os regressores que se ajustam aos dados são mantidos como regressores no modelo final. A análise gera uma única fórmula de regressão para cada regressor ou nenhuma fórmula de regressão.

Você pode exibir toda a fórmula de regressão em Legenda de Mineração clicando no nó (All) no Visualizador de Árvores da Microsoft.

Além disso, ao criar um modelo de árvores de decisão que inclui um atributo previsível contínuo, a árvore, algumas vezes, tem nós de regressão que compartilham as propriedades dos nós da árvore de regressão.

Distribuição de nó em atributos contínuos

A maioria da informações importantes em um nó de regressão está localizada na tabela NODE_DISTRIBUTION. O exemplo a seguir ilustra o layout da tabela NODE_DISTRIBUTION. Nesse exemplo, a estrutura de mineração Correspondência Destinada é usada para criar um modelo de regressão linear que prevê a renda do cliente com base na idade. Esse modelo é apenas ilustrativo, pois pode ser criado facilmente com o uso da estrutura de mineração e dos dados de exemplo do AdventureWorks2012.

ATTRIBUTE_NAME	ATTRIBUTE_VALUE	SUPPORT	PROBABILITY	VARIANCE	VALUETYPE
Renda Anual	Ausente	0	0.000457142857142857	0	1
Renda Anual	57220.8876687257	17484	0.999542857142857	1041275619.52776	3
Idade	471.687717702463	0	0	126.969442359327	7
Idade	234.680904692439	0	0	0	8
Idade	45.4269617936399	0	0	126.969442359327	9
	35793.5477381267	0	0	1012968919.28372	11

A tabela NODE_DISTRIBUTION contém várias linhas, cada uma agrupada por uma variável. As primeiras duas linhas sempre são dos tipos de valor 1 e 3 e descrevem o atributo de destino. As linhas subsequentes fornecem detalhes sobre a fórmula de um regressor específico. Um regressor é uma variável de entrada que tem uma relação linear com a variável de saída. Você pode ter vários regressores, sendo que cada um deles terá uma linha diferente para coeficiente (VALUETYPE = 7), ganho de pontos (VALUETYPE = 8) e estatísticas (VALUETYPE = 9). Finalmente, a tabela tem uma linha que contém a interceptação da equação (VALUETYPE = 11).

Elementos da fórmula de regressão

A tabela NODE_DISTRIBUTION aninhada contém cada elemento da fórmula de regressão em uma linha separada. As duas primeiras linhas de dados nos resultados do exemplo contêm informações sobre o atributo previsível, Renda anual, que modela a variável dependente. A coluna SUPPORT exibe o número de casos para os dois estados desse atributo: ou um valor de Renda anual disponível ou o valor de Renda anual ausente.

A coluna VARIANCE indica a variância computada do atributo previsível. A variância é uma medida de quão disperso são os valores em um exemplo de acordo com uma determinada distribuição. Aqui, a variância é calculada ao considerar a média do desvio quadrado da média. A raiz quadrada de uma variância também é conhecida como desvio padrão. O Analysis Services não fornece um desvio padrão, mas você poderá calculá-lo facilmente.

Para cada regressor, são produzidas três linhas. Elas contêm o coeficiente, o ganho de contagem e a estatísticas de regressor.

Finalmente, a tabela contém uma linha que fornece a interceptação para a equação.

Coeficiente

Para cada regressor, é calculado um coeficiente (VALUETYPE = 7). O próprio coeficiente é exibido na coluna ATTRIBUTE_VALUE, enquanto que a coluna VARIANCE indica a variância do coeficiente. Os coeficientes são calculados para maximizar a linearidade.

Ganho de pontos

O ganho de pontos (VALUETYPE = 8) para cada regressor representa a pontuação de interesse do atributo. Você pode usar esse valor para estimar a utilidade de vários regressores.

Estatísticas

A estatística de regressor (VALUETYPE = 9) é a média para o atributo nos casos em que há um valor. A coluna ATTRIBUTE_VALUE contém a própria média, enquanto que a coluna VARIANCE contém a soma de desvios da média.

Interceptação

Normalmente, a interceptação (VALUETYPE = 11) ou o residual de uma equação de regressão indica o valor do atributo previsível no instante em que o atributo de entrada é 0. Em muitos casos, isso pode não acontecer e gerar resultados inesperados.

Por exemplo, em um modelo que prevê a renda com base na idade, é inútil obter a renda para a idade de 0 anos. Em casos reais, normalmente é mais útil saber o comportamento da linha com relação aos valores médios. Sendo assim, o SQL ServerAnalysis Services modifica a interceptação para expressar cada regressor em uma relação com a média.

Esse ajuste é difícil de ser visualizado no conteúdo do modelo de mineração, mas fica bem-aparente ao exibir toda a equação na Legenda de Mineração do Visualizador de Árvores da Microsoft. A fórmula de regressão é deslocada do ponto 0 para o ponto que representa a média. Isso apresenta uma exibição que é mais intuitiva com relação aos dados atuais.

Com isso, presumindo que a idade média seja de aproximadamente 45 anos, a interceptação (VALUETYPE = 11) da fórmula de regressão indica a renda média.