Doğrusal regresyon modeli sorgulama (- Analysis Services veri madenciliği)
Bir veri karşı bir sorgu oluşturduğunuzda, araştırma modeli, analizinde keşfedilen desenleri hakkında ayrıntılı bilgi sağlayan içerik bir sorgu oluşturabilir veya yeni veri için Öngörüler yapmak modelinde desenleri kullanır tahmin sorgu oluşturabilirsiniz.Örneğin, tahmin sorgu yeni bir veri noktası modeline uyan, beklendiğini ancak içerik sorgu regresyon formül hakkında ek ayrıntılar sağlayabilir.Bir sorgu kullanarak modeli hakkında meta veriler de alabilirsiniz.
Bu bölüm üzerinde Microsoft doğrusal regresyon algoritma dayalı modelleri için sorgular oluşturmak açıklar.
Not
Doğrusal regresyon üzerinde özel bir durum Microsoft karar ağaçlar algoritması temel aldığından, birçok benzerlikler vardır ve sürekli öngörülebilir öznitelikleri kullanın bazı karar ağacı modelleri regresyon formül içerebilir.Daha fazla bilgi için bkz: Microsoft karar ağaçlar algoritması Teknik Başvurusu.
İçerik sorguları
Modeli için kullanılan parametreleri belirlemek için veri Mining şeması satır kümesi kullanma
Dönüş model regresyon formülü dmx kullanarak
Yalnızca modeli için katsayısı döndürme
Tahmin sorgular
Bir singleton Query'yi kullanarak gelir tahmin etmek
Regresyon modelinde tahmin işlevleri kullanma
Doğrusal regresyon modeli hakkında bilgi bulma
Doğrusal regresyon modeli yapısını son derece basittir: araştırma modeli regresyon formülü tanımlayan tek bir düğüm, verileri temsil eder.Daha fazla bilgi için bkz: Logistic regresyon modeller için içerik modeli mining (Analysis Services - veri madenciliği).
Başa dön
Örnek sorgu 1: Modeli için kullanılan parametreleri belirlemek için veri madenciliği şeması satır kümesi kullanma
Veri madenciliği şema satır kümesi sorgulayarak, meta veriler modeli konusunda bulabilirsiniz.Bu model oluşturulduğu zaman, modeli son işlendiği zaman modelin temel araştırma yapısı adı ve adı içerebilir sütun öngörülebilir öznitelik olarak belirlenmiş.Model oluşturulduğunda kullanılan parametreleri de döndürebilir.
SELECT MINING_PARAMETERS
FROM $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'TM_PredictIncome'
Örnek sonuçlar:
MINING_PARAMETERS |
|---|
COMPLEXITY_PENALTY = 0.9, MAXIMUM_INPUT_ATTRIBUTES = 255, MAXIMUM_OUTPUT_ATTRIBUTES = 255, MINIMUM_SUPPORT = 10, SCORE_METHOD = 4, SPLIT_METHOD = 3, FORCE_REGRESSOR = |
Not
Parametre ayarı "FORCE_REGRESSOR = ", force_regressor parametresinin geçerli değeri null. olduğunu
Başa dön
Örnek sorgu 2: Model regresyon formülü alınıyor
Aşağıdaki sorgu döndürür araştırma modeli 'de kullanılan posta hedeflenen veri kaynak kullanılarak oluşturulan bir doğrusal regresyon modeli için içerik Temel veri madenciliği öğreticisi.Bu model üzerinde Yaş tabanlı müşteri gelir öngörür.
Sorgu regresyon formülü içeren düğüm içeriğini döndürür.Her değişken ve katsayısı iç içe geçmiş tablo NODE_DISTRIBUTION ayrı bir satırda depolanır.Tam regresyon formülü görüntülemek isterseniz, kullanmak Microsoft ağacı Görüntüleyici,'ı (tümü) düğüm ve açık Mining gösterge.
SELECT FLATTENED NODE_DISTRIBUTION as t
FROM LR_PredictIncome.CONTENT
Not
Bir sorgu gibi kullanarak iç içe geçmiş tablo sütunları tek tek referans olursa SELECT <column name> from NODE_DISTRIBUTION, bazı sütunlar gibi Destek veya Olasılık, onlara aynı adı ayrılmış anahtar sözcükleri ayırmak için ayraç içine alınmalıdır.
Beklenen sonuçlar:
t.ATTRIBUTE_NAME |
t.ATTRIBUTE_VALUE |
t.support |
t.PROBABILITY |
t.VARIANCE |
t.VALUETYPE |
|---|---|---|---|---|---|
Yıllık gelir |
Eksik |
0 |
0.000457142857142857 |
0 |
1 |
Yıllık gelir |
57220.8876687257 |
17484 |
0.999542857142857 |
1041275619.52776 |
3 |
Geçerlilik süresi |
471.687717702463 |
0 |
0 |
126.969442359327 |
7 |
Geçerlilik süresi |
234.680904692439 |
0 |
0 |
0 |
8 |
Geçerlilik süresi |
45.4269617936399 |
0 |
0 |
126.969442359327 |
9 |
|
35793.5477381267 |
0 |
0 |
1012968919.28372 |
11 |
Karşılaştırmaya, de Mining gösterge, regresyon formülü aşağıdaki gibidir:
Yıllık gelir = 57,220.919 + 471.688 * (Age - 45.427)
Olarak görmek Mining gösterge, bazı sayılar yuvarlanır; Ancak, NODE_DISTRIBUTION tablo ve Mining gösterge temelde aynı değerleri içerir.
valuetype içindeki değerleri sütun ne tür bilgiler, sonuçlar programlı olarak işleme yararlıdır her satırda yer alan bildirir.Aşağıdaki tablo çıktı doğrusal regresyon formül için değer türlerini gösterir.
VALUETYPE |
|---|
1 (Eksik) |
3 (Sürekli) |
7 (Katsayısı) |
8 (Puan kazanç) |
9 (İstatistik) |
7 (Katsayısı) |
8 (Puan kazanç) |
9 (İstatistik) |
11 (Kesme) |
Regresyon modeller için her değer türü anlamı hakkında daha fazla bilgi için bkz: Doğrusal regresyon modeller için içerik modeli mining (Analysis Services - veri madenciliği).
Başa dön
Örnek sorgu 3: Model için katsayısı döndürme
valuetype numaralandırma kullanarak, aşağıdaki sorgu gösterildiği gibi yalnızca regresyon denklemi için katsayısı dönebilirsiniz:
SELECT FLATTENED MODEL_NAME,
(SELECT ATTRIBUTE_VALUE, VALUETYPE
FROM NODE_DISTRIBUTION
WHERE VALUETYPE = 11)
AS t
FROM LR_PredictIncome.CONTENT
Bu sorgu madenciliği model içerikten iki satır ve satır yuvalanmış döndürür tablo katsayısı içeren.Her zaman için katsayısı boş olduğundan öznitelik_adý sütun buraya dahil edilmez.
MODEL_ADI |
t.ATTRIBUTE_VALUE |
t.VALUETYPE |
|---|---|---|
LR_PredictIncome |
|
|
LR_PredictIncome |
35793.5477381267 |
11 |
Başa dön
Doğrusal regresyon modelinden Öngörüler yapmak
Veri Mining tasarımcısında Mining modeli tahmin sekmesini kullanarak doğrusal regresyon modeli üzerinde tahmin sorgular oluşturabilirsiniz.Tahmin Sorgu Oluşturucusu'nu her ikisini de kullanılabilir SQL Server Management Studio ve Business Intelligence Development Studio.
Not
Kullanarak regresyon modellerinde sorguları oluşturabilirsiniz SQL Server 2005 Excel veri Mining eklentiler veya SQL Server 2008 Excel için veri Mining eklentilerVeri madenciliği eklentiler Excel için regresyon modelleri oluşturmak olsa bile, göz ve saklanan tüm Araştırma modeli sorgu bir örnek , Analysis Services.
Başa dön
Örnek sorgu 4: Bir Singleton Query'yi kullanarak gelir tahmin etmek
Kullanarak bir regresyon modeli tek bir sorgu oluşturmak için en kolay yolu olan Singleton sorgu giriş iletişim kutusu.Örneğin, aşağıdaki dmx sorgu uygun regresyon modelini seçerek oluşturabilir seçme Singleton sorguve sonra yazmaya 20 için değer olarak yaş.
SELECT [LR_PredictIncome].[Yearly Income]
From [LR_PredictIncome]
NATURAL PREDICTION JOIN
(SELECT 20 AS [Age]) AS t
Örnek sonuçlar:
Yıllık gelir |
|---|
45227.302092176 |
Başa dön
Örnek sorgu 5: Regresyon modelinde tahmin işlevleri kullanma
Doğrusal regresyon modellerinde standart tahmin işlevlerin çoğunu kullanabilirsiniz.Bazı tanımlayıcı istatistik tahmin sorgu ekleme hakkında aşağıdaki örnekte gösterilmektedir sonuçlar.Bu sonuçlar ortalaması bu model için önemli ölçüde sapma olduğunu görebilirsiniz.
SELECT
([LR_PredictIncome].[Yearly Income]) as [PredIncome],
(PredictStdev([LR_PredictIncome].[Yearly Income])) as [StDev1]
From
[LR_PredictIncome]
NATURAL PREDICTION JOIN
(SELECT 20 AS [Age]) AS t
Örnek sonuçlar:
Yıllık gelir |
StDev1 |
|---|---|
45227.302092176 |
31827.1726561396 |
Başa dön
Tahmin işlevlerin listesi
Tüm Microsoft algoritmaları desteği ortak küme işlevleri.Ancak, Microsoft doğrusal regresyon algoritması aşağıdaki tablo. listelenen ek işlevleri destekler
|
Tüm ortak işlevlerin listesi için Microsoft algoritmalar, bkz: Veri madenciliği algoritmaları (Analysis Services - veri madenciliği).Bu işlevleri kullanma hakkında daha fazla bilgi için bkz: Veri madenciliği Extensions (dmx) işlev başvurusu.