Riferimento tecnico per l'algoritmo Microsoft Linear Regression
L'algoritmo Microsoft Linear Regression è una versione speciale dell'algoritmo Microsoft Decision Trees ottimizzata per la modellazione delle coppie di attributi continui. In questo argomento viene illustrata l'implementazione dell'algoritmo, viene mostrato come personalizzarne il comportamento e vengono forniti collegamenti a ulteriori informazioni sull'esecuzione di query sui modelli.
Implementazione dell'algoritmo Linear Regression
L'algoritmo Microsoft Decision Trees può essere utilizzato per diverse attività, quali regressione lineare, classificazione e analisi di associazione. Per implementare questo algoritmo allo scopo di eseguire la regressione lineare, i parametri dell'algoritmo vengono controllati per limitare l'aumento delle dimensioni dell'albero e mantenere tutti i dati del modello in un solo nodo. In altre parole, anche se la regressione lineare è basata su un albero delle decisioni, l'albero contiene una sola radice e nessun ramo, ovvero tutti i dati si trovano nel nodo radice.
A tale scopo, il parametro MINIMUM_LEAF_CASES dell'algoritmo viene impostato su un valore uguale a o maggiore del numero totale di case utilizzati dall'algoritmo per il training del modello di data mining. Se si imposta il parametro in questo modo, l'algoritmo non crea mai una divisione ed esegue pertanto una regressione lineare.
Il formato dell'equazione che rappresenta la linea di regressione, nota come equazione di regressione, è generalmente y = ax + b. La variabile Y rappresenta la variabile di output, X rappresenta la variabile di input mentre a e b sono coefficienti modificabili. È possibile recuperare i coefficienti, le intercette e altre informazioni sulla formula di regressione eseguendo una query sul modello di data mining completato. Per ulteriori informazioni, vedere Esempi di query sul modello di regressione lineare.
Metodi di valutazione e caratteristica di selezione degli attributi
Tutti gli algoritmi di data mining Analysis Services utilizzano automaticamente la caratteristica di selezione degli attributi per migliorare l'analisi e ridurre il carico di elaborazione. Il metodo utilizzato per la caratteristica di selezione degli attributi nella regressione lineare è il punteggio di interesse, perché il modello supporta solo colonne continue. Nella tabella seguente viene mostrata per riferimento la differenza nella caratteristica di selezione degli attributi tra l'algoritmo Linear Regression e l'algoritmo Decision Trees.
Algoritmo |
Metodo di analisi |
Commenti |
|---|---|---|
Linear Regression |
Punteggio di interesse |
Valore predefinito. Gli altri metodi relativi alla caratteristica di selezione degli attributi disponibili con l'algoritmo Decision Trees si applicano solo alle variabili discrete e non sono pertanto validi per i modelli di regressione lineare. |
Decision Trees |
Punteggio di interesse Entropia di Shannon Bayes con probabilità a priori K2 Equivalente Bayes Dirichlet con probabilità a priori a distribuzione uniforme (impostazione predefinita) |
Se esistono colonne contenenti valori continui non binari, viene utilizzato il punteggio di interesse per tutte le colonne, per assicurare coerenza. In caso contrario, viene utilizzato il metodo predefinito o specificato. |
I parametri dell'algoritmo che controllano la caratteristica di selezione degli attributi per un modello di albero delle decisioni sono MAXIMUM_INPUT_ATTRIBUTES e MAXIMUM_OUTPUT.
Personalizzazione dell'algoritmo Linear Regression
L'algoritmo Microsoft Linear Regression supporta vari parametri che influiscono sul comportamento, sulle prestazioni e sull'accuratezza del modello di data mining risultante. È anche possibile impostare flag di modellazione nelle colonne del modello o della struttura di data mining per controllare la modalità di elaborazione dei dati.
Impostazione dei parametri dell'algoritmo
Nella tabella seguente sono elencati i parametri forniti per l'algoritmo Microsoft Linear Regression.
Parametro |
Descrizione |
|---|---|
MAXIMUM_INPUT_ATTRIBUTES |
Definisce il numero di attributi di input che l'algoritmo è in grado di gestire prima di richiamare la caratteristica di selezione degli attributi. Impostare questo valore su 0 per disabilitare la caratteristica di selezione degli attributi. Il valore predefinito è 255. |
MAXIMUM_OUTPUT_ATTRIBUTES |
Definisce il numero di attributi di output che l'algoritmo è in grado di gestire prima di richiamare la caratteristica di selezione degli attributi. Impostare questo valore su 0 per disabilitare la caratteristica di selezione degli attributi. Il valore predefinito è 255. |
FORCE_REGRESSOR |
Impone all'algoritmo l'uso delle colonne indicate come regressori, indipendentemente dall'importanza delle colonne calcolate dall'algoritmo. |
Flag di modellazione
L'algoritmo Microsoft Linear Regression supporta i flag di modellazione indicati di seguito. Quando si crea la struttura o il modello di data mining, si definiscono flag di modellazione per specificare la modalità di gestione dei valori in ogni colonna durante l'analisi. Per ulteriori informazioni, vedere Flag di modellazione (data mining).
Flag di modellazione |
Descrizione |
|---|---|
NOT NULL |
Indica che la colonna non può contenere un valore Null. Se Analysis Services rileva un valore Null durante il training del modello, viene restituito un errore. Si applica alle colonne della struttura di data mining. |
REGRESSOR |
Indica che la colonna contiene valori numerici continui che devono essere considerati come potenziali variabili indipendenti durante l'analisi.
Si applica alle colonne del modello di data mining. |
Regressori nei modelli di regressione lineare
I modelli di regressione lineare sono basati sull'algoritmo Microsoft Decision Trees. Tuttavia, anche se non si utilizza l'algoritmo Microsoft Linear Regression, qualsiasi modello di albero delle decisioni può contenere un albero o i nodi che rappresentano una regressione su un attributo continuo.
Non è necessario specificare che una colonna continua rappresenta un regressore. L'algoritmo Microsoft Decision Trees suddividerà il set di dati in aree con modelli significativi anche se non si imposta il flag REGRESSOR nella colonna. La differenza è che quando si imposta il flag di modellazione, l'algoritmo tenterà di trovare equazioni di regressione del formato a*C1 + b*C2 + ... per adattare i modelli nei nodi dell'albero. Viene calcolata la somma dei residui e, se la deviazione è eccessiva, nell'albero viene imposta una divisione.
Ad esempio, se si stima il comportamento di acquisto dei clienti utilizzando Income come attributo ed è stato impostato il flag di modellazione REGRESSOR nella colonna, l'algoritmo tenta innanzitutto di adattare i valori Income utilizzando una formula di regressione standard. Se la deviazione è eccessiva, la formula di regressione viene abbandonata e l'albero viene diviso in base a un altro attributo. L'algoritmo Decision Trees tenta quindi di adattare un regressore per il reddito in ognuno dei rami dopo la divisione.
È possibile utilizzare il parametro FORCED_REGRESSOR per assicurarsi che l'algoritmo impieghi un determinato regressore. Questo parametro può essere utilizzato con gli algoritmi Microsoft Decision Trees e Microsoft Linear Regression.
Requisiti
Un modello di regressione lineare deve contenere una colonna chiave, le colonne di input e almeno una colonna stimabile.
Colonne di input e stimabili
L'algoritmo Microsoft Linear Regression supporta le colonne di input e le colonne stimabili specifiche riportate nella tabella seguente. Per ulteriori informazioni sul significato dei tipi di contenuto utilizzati in un modello di data mining, vedere Tipi di contenuto (Data mining).
Colonna |
Tipi di contenuto |
|---|---|
Attributo di input |
Continuous, Cyclical, Key, Table e Ordered |
Attributo stimabile |
Continuous, Cyclical e Ordered |
[!NOTA]
I tipi di contenuto Cyclical e Ordered sono supportati, ma l'algoritmo li considera come valori discreti e non esegue un'elaborazione speciale.