Aracılığıyla paylaş

  • Makale

Microsoft doğrusal regresyon algoritması

The Microsoft Linear regresyon algorithm is a variation of the Microsoft Decision Trees algorithm that helps you calculate a linear relationship between a dependent and independent variable, and then use that relationship for tahmin.

Ilişkiyi en iyi bir veri serisi temsil eden bir satır için Denklem biçimini alır.Örneğin, aşağıdaki çizimde verilerin olası en uygun doğrusal sunumunu çizgidir.

A line that models a set of data

Her veri noktası diyagramın Regresyon çizgisini, bir uzaklıkta ile ilişkili bir hata var.Katsayıları C and b regresyon denklemi de, açı ve regresyon çizgisinin konumunu ayarlayın.Ayarlayarak regresyon denklemi edinebilirsiniz. C and b tüm noktalarıyla ilişkili hataları toplamı, en az erişene kadar.

Birden çok değişkenler kullanan diğer tür regresyon hem de doğrusal regresyon yöntemleri vardır.Ancak, doğrusal regresyon bazı temel faktör değişikliği yanıt model yararlı ve bilinen yöntemidir.

Örnek

Doğrusal regresyon, iki sürekli sütunlar arasındaki bir ilişkiyi belirlemek için kullanabilirsiniz.Örneğin, doğrusal regresyon eğilim bir veri üretim veya satış satırından hesaplamak için kullanabilirsiniz.Doğrusal regresyon bir precursor geliştirme daha karmaşık veri madenciliği modelleri olarak veri sütunları arasında ilişkiler'i değerlendirmek için de.

Veri madenciliği araçları kullanmanın yararı gerektirmeyen doğrusal regresyon hesaplamak için birçok yol olmakla birlikte Microsoft Doğrusal regresyon bu görev için olası tüm ilişkileri değişkenler arasında otomatik olarak hesaplanan sınanmış ve algoritmasıdır. En küçük kareler için çözme gibi bir hesaplama yöntem seçmek zorunda değildir.Ancak, burada da sonucu birden çok etken etkiler senaryolarda ilişkiler doğrusal regresyon oversimplify.

Karma algoritması'nasıl çalışır?

The Microsoft Linear regresyon algorithm is a variation of the Microsoft Decision Trees algorithm. Seçtiğinizde, Microsoft Doğrusal regresyon algoritması, özel bir durum Microsoft Karar ağaçları algoritması, algoritmanın davranışı kısıtlamak ve belirli bir giriş veri tipleri gerektiren parametreleri ile çağrılır. Dahası, bir doğrusal regresyon modelinde, tüm veri küme ilişkileri ilk seferde, bilgisayar için bir standart karar ağaçları modeli verileri art arda küçük subkümes veya ağaçlarını böler ise kullanılır.

Doğrusal regresyon modeller için gerekli veri

Bir doğrusal regresyon modelini kullanmak için veri hazırladığınızda, belirli algoritması için gereksinimleri anlamalısınız.Bu, gerekli veri ve verileri nasıl kullanıldığını içerir.Bu modeli türü için gereksinimleri aşağıdaki gibidir:

  • Tek bir key sütun   Her model, her kaydı benzersiz olarak tanımlayan bir sayı veya metin sütun içermelidir.Bileşik anahtar izin verilmez.

  • tahmin edilebilir sütun   Tahmin edilebilir olan en az bir sütun gerektirir.Bir modelinde tahmin edilebilir olan birden fazla öznitelik içerebilir, ancak tahmin edilebilir öznitelikleri sürekli sayısal veri türlerinde olmalıdır.Yerel depolama verileri sayısal olarak olsa bile, bir datetime veri türü öngörülebilir bir öznitelik olarak kullanamazsınız.

  • Giriş bir sütun   Giriş sütunlar, sürekli sayısal veri içermeli ve uygun veri türünü atanması.

Daha fazla bilgi için gereksinimler bölümüne bakın. Microsoft doğrusal regresyon algoritması teknik başvurusu.

Bir doğrusal regresyon modeli görüntüleme

Model keşfetmek için , kullandığınız Microsoft ağacı Görüntüleyicisi.Bir doğrusal regresyon modelini için ağaç yapısını çok, regresyon denklemi tek bir düğümünde yer alan ilgili tüm bilgiler basittir.Daha fazla bilgi için bkz:Görüntüleme bir araştırma modeli Microsoft ağacı Görüntüleyici ile.

Denklem hakkında daha fazla ayrıntı öğrenmek isterseniz, ayrıca katsayılar ve diğer ayrıntıları kullanarak görüntüleyebilirsiniz Microsoft Genel içerik ağacı Görüntüleyicisi.

Içerik modeli, bir doğrusal regresyon modeli meta veriler, regresyon formül ve dağıtılması, giriş değerleri ile ilgili istatistikleri içerir.Daha fazla bilgi için bkz:araştırma modeli Doğrusal regresyon modeller için içerik (Analysis Services - veri madenciliği).

Öngörüler oluşturma

Işlem modeli sonra sonuçlar istatistikleri ile birlikte doğrusal regresyon formülünü gelecekteki eğilimleri hesaplamak için kullanabileceğiniz bir dizi olarak depolanır.Bir doğrusal regresyon modelini ile kullanmak için sorgu örnekleri için bkz: Bir doğrusal regresyon modeli sorgulama (Analysis Services - veri madenciliği).

Madenciliği modelleri sorgular oluşturma hakkında genel bilgi için bkz: Veri madenciliği modelleri sorgulama (Analysis Services - veri madenciliği).

Yanında seçerek, bir doğrusal regresyon modelini oluşturma Microsoft Öngörülebilir öznitelik bir sürekli sayısal veri türü ise, doğrusal regresyon algoritmasını eksiklikleri içeren bir karar ağacı modeli oluşturabilirsiniz. Bu durumda, uygun renk ayrımı noktaları bulur, ancak bazı bölümlerine veri regresyon formül yerine oluşturur algoritma verileri bölecek.Karar ağaçları modelindeki regresyon ağaçlarını hakkında daha fazla bilgi için bkz: araştırma modeli Karar ağacı modeller için içerik (Analysis Services - veri madenciliği).

Açıklamalar

  • Öngörü modeli biçimlendirme dili (madenciliği modelleri oluşturmak için PMML) kullanımını desteklemez.

  • Veri madenciliği boyutları oluşturulmasını desteklemez.

  • detaylandırma destekler.

  • OLAP madenciliği modelleri kullanımını destekler.