model wyszukiwania Zawartości dla logistyczne modele regresji (Analysis Services — wyszukiwanie danych)

Opis struktury modelu regresyjnego logistyczne

Model logistyczne regresja jest tworzona za pomocą algorytmu Microsoft Network neuronowe parametrami ograniczyć modelu w celu usunięcia ukrytych węzła.Dlatego ogólną strukturę modelu regresja logistyczne jest niemal identyczne z neuronowe sieci: każdego modelu ma węzeł jednego nadrzędnego, który reprezentuje modelu i jego metadane i węzeł specjalne marginalna statystyk (NODE_TYPE = 24) zapewnia opisowy statystyk dotyczących produkcji, używany w modelu.

Ponadto model zawiera podsieć (NODE_TYPE = 17) dla każdego atrybut przewidywalne.Podobnie jak w modelu neuronowe sieci, każda podsieć zawsze zawiera dwie gałęzie: jeden dla warstwy wejściowych i innego oddziału, zawierający ukrytej warstwie (NODE_TYPE = 19) i warstwę danych wyjściowych (NODE_TYPE = 20) dla sieci. Wiele atrybutów można stosować z tej samej podsieci pod warunkiem, że są one określane jako tylko do przewidzenia.Przewidywalne atrybutów, które są również składniki mogą nie pojawiać się w tej samej podsieci.

Jednak w modelu regresja logistyczne, węzeł, który reprezentuje ukrytej warstwie jest pusty i nie ma elementów podrzędnych.Z tego powodu model zawiera węzłów, które reprezentują pojedyncze wyjść (NODE_TYPE = 23) i poszczególne składniki (NODE_TYPE = 21), ale nie indywidualnych ukryte węzły.

Domyślnie wyświetlane w modelu regresja logistyczne Microsoft neuronowe podglądu sieci.Z tej niestandardowej przeglądarki filtrowanie według danych wejściowych atrybutów i ich wartości i graficznie Zobacz ich wpływ na wyjść.Etykietki narzędzi w przeglądarce wyświetlić prawdopodobieństwa i dźwigu skojarzone z każdą parą danych wejściowych i wyjściowych wartości.Aby uzyskać więcej informacji zobaczWyświetlanie model wyszukiwania z programem Microsoft neuronowe podglądu sieci.

Zbadanie struktury danych wejściowych i podsieci, a w celu wyświetlenia szczegółowych statystyk, można używać przeglądarki Microsoft ogólna zawartość drzewa.Kliknij w dowolnym węźle, aby go rozwinąć i zobaczyć węzły podrzędność lub wyświetlić wag i inne statystyki zawarte w węźle.

Model zawartości dla modelu regresja logistyczne

W tej części podano szczegółowe i przykłady tylko dla tych kolumn w modelu zawartości wyszukiwania, które mają szczególne znaczenie dla logistyczne regresja.Model zawartości jest niemal identyczne z modelu neuronowe sieci, ale opisy, które dotyczą modeli neuronowe sieci może się powtarzać w tej tabela dla wygody.

Aby uzyskać informacje dotyczące ogólnego przeznaczenia kolumny schematu zestaw wierszy, takie jak MODEL_CATALOG i MODEL_NAME, nie opisano w tym miejscu, lub objaśnienia model wyszukiwania terminologii zobacz Mining Model Content (Analysis Services - Data Mining).

• MODEL_CATALOG
  Nazwa bazy danych, w której przechowywane są w modelu.

• NAZWA_MODELU
  Nazwa modelu.

• ATTRIBUTE_NAME
  Nazwy atrybut, który odpowiada w tym węźle.

  Węzeł	Zawartość
  Model główny	Wartość pusta
  Marginalna statystyk	Wartość pusta
  Warstwa danych wejściowych	Wartość pusta
  Węzeł wejściowe	Nazwa atrybut wejściowe
  Ukrytej warstwie	Wartość pusta
  Warstwa danych wyjściowych	Wartość pusta
  Węzeł danych wyjściowych	Nazwa atrybut danych wyjściowych

• NAZWA_WĘZŁA
  Nazwa węzła.Obecnie ta kolumna zawiera taką samą wartość jak NODE_UNIQUE_NAME, chociaż może to spowodować zmianę w przyszłych wydaniach.

• NODE_UNIQUE_NAME
  Unikatowa nazwa węzła.

  Aby uzyskać więcej informacji na temat jak nazw i identyfikatorów dostarcza strukturalnych informacji o modelu zobacz sekcję Za pomocą nazwy węzłów i identyfikatory.

• NODE_TYPE
  Model regresja logistyczne wyświetla następujące typy węzłów:

  ID typu węzła	Description
  1	Model.
  17	Węzeł organizatora podsieci.
  18	Organizator węzła dla danych wejściowych warstwy.
  19	Węzeł organizatora w ukrytej warstwie.Ukrytej warstwie jest pusty.
  20	Organizator węzła dla warstwy danych wyjściowych.
  21	Węzeł atrybut wejściowego.
  23	Węzeł atrybut danych wyjściowych.
  24	Węzeł marginalna statystyki.

• NODE_CAPTION
  Etykietę lub podpis skojarzonego z węzłem.W modelach logistyczne regresja zawsze puste.

• CHILDREN_CARDINALITY
  Oszacowanie liczby dzieci, który węzeł ma.

  Węzeł	Zawartość
  Model główny	Wskazuje liczbę węzłów podrzędność, która zawiera co najmniej 1 sieci 1 wymaganego węzła marginalna i 1 warstwy wejściowe wymagane.Na przykład jeśli wartość wynosi 5, istnieją podsieci 3.
  Marginalna statystyk	Zawsze 0.
  Warstwa danych wejściowych	Wskazuje liczbę par wprowadzania wartości atrybut, które były używane przez model.
  Węzeł wejściowe	Zawsze 0.
  Ukrytej warstwie	W regresja logistyczne modelu zawsze 0.
  Warstwa danych wyjściowych	Wskazuje liczbę wartości danych wyjściowych.
  Węzeł danych wyjściowych	Zawsze 0.

• PARENT_UNIQUE_NAME
  Unikatowa nazwa węzła nadrzędnego.Dla wszystkich węzłów poziom katalogu głównego, zwracana jest wartość NULL.

  Aby uzyskać więcej informacji na temat jak nazw i identyfikatorów dostarcza strukturalnych informacji o modelu zobacz sekcję Za pomocą nazwy węzłów i identyfikatory.

• NODE_DESCRIPTION
  Przyjazny dla użytkownika opis węzła.

  Węzeł	Zawartość
  Model główny	Wartość pusta
  Marginalna statystyk	Wartość pusta
  Warstwa danych wejściowych	Wartość pusta
  Węzeł wejściowe	Nazwa atrybut wejściowe
  Ukrytej warstwie	Wartość pusta
  Warstwa danych wyjściowych	Wartość pusta
  Węzeł danych wyjściowych	Jeśli atrybut danych wyjściowych jest ciągła, zawiera nazwę atrybutu danych wyjściowych. Jeśli atrybut danych wyjściowych jest discrete lub discretized, zawiera nazwę atrybutu i wartości.

• NODE_RULE
  Opis XML regułę, która jest osadzony w węźle.

  Węzeł	Zawartość
  Model główny	Wartość pusta
  Marginalna statystyk	Wartość pusta
  Warstwa danych wejściowych	Wartość pusta
  Węzeł wejściowe	Fragmentu XML zawierający te same informacje, jak kolumna NODE_DESCRIPTION.
  Ukrytej warstwie	Wartość pusta
  Warstwa danych wyjściowych	Wartość pusta
  Węzeł danych wyjściowych	Fragmentu XML zawierający te same informacje, jak kolumna NODE_DESCRIPTION.

• MARGINAL_RULE
  W przypadku modeli logistyczne regresja zawsze puste.

• NODE_PROBABILITY
  Prawdopodobieństwo związane z tym węźle.W przypadku modeli logistyczne regresja zawsze 0.

• MARGINAL_PROBABILITY
  Prawdopodobieństwo osiągnięcia węzła z węzła nadrzędnego.W przypadku modeli logistyczne regresja zawsze 0.

• NODE_DISTRIBUTION
  Zagnieżdżona tabela zawiera informacje statystyczne dla węzła.Aby uzyskać szczegółowe informacje na temat zawartości tej tabela dla każdego typu węzła zobacz sekcję, opis w tabela NODE_DISTRIBUTION model wyszukiwania Zawartości dla neuronowe modele sieci (Analysis Services — wyszukiwanie danych).

• NODE_SUPPORT
  W przypadku modeli logistyczne regresja zawsze 0.

  Uwaga

  Obsługa prawdopodobieństw są zawsze 0, ponieważ model, dane wyjściowe tego typu nie jest probabilistic.Tylko pierwsze ma znaczenie dla algorytmu wagi; w związku z tym, algorytm nie obliczyć prawdopodobieństwo, pomocy technicznej lub WARIANCJA.

  Aby uzyskać informacje na temat pomocy technicznej w przypadku szkoleń dla określonych wartości, zobacz węzeł marginalna statystyki.

• MSOLAP_MODEL_COLUMN

  Węzeł	Zawartość
  Model główny	Wartość pusta
  Marginalna statystyk	Wartość pusta
  Warstwa danych wejściowych	Wartość pusta
  Węzeł wejściowe	Nazwa atrybut wejściowego.
  Ukrytej warstwie	Wartość pusta
  Warstwa danych wyjściowych	Wartość pusta
  Węzeł danych wyjściowych	Nazwa atrybut wejściowego.

• MSOLAP_NODE_SCORE
  W modelach logistyczne regresja zawsze 0.

• MSOLAP_NODE_SHORT_CAPTION
  W modelach logistyczne regresja zawsze puste.

Za pomocą nazwy węzłów i identyfikatory

Nadawanie nazw węzłów w modelu regresja logistyczne zawiera dodatkowe informacje na temat relacji między węzłami w modelu.W poniższej tabela przedstawiono konwencje dla identyfikatorów, które są przypisane do węzłów w każdej warstwie.

Do określenia związane atrybuty dane wyjściowe do atrybutów określoną warstwę wprowadzania, wyświetlając tabela NODE_DISTRIBUTION węzła dane wyjściowe, można użyć tych identyfikatorów.Każdy wiersz w tej tabela zawiera identyfikator wskazujący węzeł określony atrybut wejściowy.Tabela NODE_DISTRIBUTION zawiera także współczynnik dla tej pary wejścia wyjścia.

See Also

Reference

Concepts

Other Resources