선형 회귀 모델은 예측 가능한 특성의 값을 예측 가능한 한 예측 가능한 회귀선에 데이터를 맞추는 방식으로 입력을 결합한 수식의 결과로 나타냅니다. 알고리즘은 숫자 값만 입력으로 허용하고 가장 적합한 입력을 자동으로 검색합니다.
그러나 모델에 FORCE_REGRESSOR 매개 변수를 추가하고 사용할 회귀자를 지정하여 열을 회귀 변수로 포함하도록 지정할 수 있습니다. 모델에서 효과를 검색할 수 없을 정도로 작거나 특성이 수식에 포함되도록 하려는 경우에도 특성에 의미가 있는 경우 이 작업을 수행할 수 있습니다.
다음 절차에서는 신경망 자습서에 사용되는 것과 동일한 샘플 데이터를 사용하여 간단한 선형 회귀 모델을 만드는 방법을 설명합니다. 모델이 반드시 강력한 것은 아니지만 데이터 마이닝 디자이너를 사용하여 선형 회귀 모델을 사용자 지정하는 방법을 보여 줍니다.
간단한 선형 회귀 모델을 만드는 방법
SSDT(SQL Server Data Tools)의 솔루션 탐색기에서 마이닝 구조를 확장합니다.
Call Center.dmm을 두 번 클릭하여 디자이너에서 엽니다.
마이닝 모델 메뉴에서 새 마이닝 모델을 선택합니다.
알고리즘의 경우 Microsoft 선형 회귀를 선택합니다. 이름에 콜 센터 회귀를 입력합니다.
마이닝 모델 탭에서 열 사용 방식을 다음과 같이 변경합니다. 다음 목록에 없는 모든 열이 아직 없는 경우 무시로 설정해야 합니다.
FactCallCenterID키
ServiceGradePredictOnly
총 연산자입력
문제당 평균 시간입력
마이닝 모델 메뉴에서 모델 매개 변수 설정을 선택합니다.
매개 변수의 경우 FORCE_REGRESSOR 값 열에 다음과 같이 대괄호로 묶고 쉼표로 구분된 열 이름을 입력합니다.
[Average Time Per Issue],[Total Operators]비고
알고리즘은 최상의 회귀 변수인 열을 자동으로 검색합니다. 최종 수식에 열이 포함되도록 하려는 경우에만 회귀자를 강제로 적용해야 합니다.
마이닝 모델 메뉴에서 프로세스 모델을 선택합니다.
뷰어에서 모델은 회귀 수식을 포함하는 단일 노드로 표시됩니다. 마이닝 범례에서 수식을 보거나 쿼리를 사용하여 수식의 계수를 추출할 수 있습니다.
또한 참조하십시오
Microsoft 선형 회귀 알고리즘
데이터 마이닝 쿼리
Microsoft 선형 회귀 알고리즘 기술 참조
선형 회귀 모델에 대한 마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)