Udostępnij za pośrednictwem

  • Artykuł

Podczas badania modelu regresja liniowej (Analysis Services — wyszukiwanie danych)

Podczas tworzenia kwerendy przed model wyszukiwanie danych, można utworzyć kwerendę zawartości, która zawiera szczegółowe informacje dotyczące wzorców wykryte w analizie, lub można utworzyć kwerendę przewidywanie, która używa desenie w modelu, aby prognoz dla nowych danych.Na przykład kwerendy zawartości może zawierać dodatkowe informacje szczegółowe na temat formuła regresja podczas kwerendy przewidywanie może informować użytkownika jeśli nowy punkt danych mieści się w modelu.Można również pobierać metadane dotyczące modelu przy użyciu kwerendy.

W tej sekcji wyjaśniono, jak tworzyć kwerendy dla modeli, które są oparte na algorytmie regresja liniowa firmy Microsoft.Aby uzyskać więcej informacji na temat struktury modelu regresja liniowej zobacz model wyszukiwania Zawartości dla modeli regresji liniowej (Analysis Services — wyszukiwanie danych).

Uwaga

Ponieważ regresja liniowej opiera się na szczególny przypadek algorytm algorytmów firmy Microsoft, niektóre modele drzewo decyzyjne, używających ciągłego przewidywalne atrybutów może zawierać formuły regresja.Aby uzyskać więcej informacji zobaczInformacje techniczne algorytm drzewa decyzji firmy Microsoft.

  • Kwerendy zawartości

    Zwraca parametry modelu przy użyciu zestaw zestaw wierszy schematu wyszukiwanie danych

    Zwracanie formuła regresja dla modelu przy użyciu DMX

    Zwraca współczynnik dla modelu

  • Kwerendy przewidywanie

    Tworzenie prognoz za pomocą kwerendy Singleton

    Zwracanie Statystyka opisowa z modelu regresja

Powrót do początku

Aby odtworzyć w wynikach kwerendy przykładowe, można utworzyć modelu regresja liniowej, jak opisano w poniższych sekcjach.Model jest bardzo proste, ale przedstawiono podstawowe pojęcia dotyczące sposobu korzystania z projektanta wyszukiwanie danych do dostosowania modelu regresja liniowej.

Jak Wymuszanie stosowania Regressors w modelu

Znajdowanie informacji o modelu regresja liniowa

Struktura modelu regresja liniowej jest bardzo proste: model górnictwo reprezentuje dane jako pojedynczy węzeł, a ten węzeł definiuje formuły regresja.

W tej sekcji podano przykłady sposób uzyskać więcej informacji o modelu, w tym regresja formuły i opisowe statystyki dotyczące danych.

Przykładowa kwerenda 1: Zwraca parametry modelu przy użyciu zestaw zestaw wierszy schematu wyszukiwanie danych

Za pomocą kwerend wysyłanych do zestaw zestaw wierszy schematu wyszukiwanie danych, można znaleźć metadane dotyczące modelu.Może to dotyczyć, gdy model został utworzony, podczas ostatniego przetworzenia modelu, nazwa struktura wyszukiwania na podstawie modelu i nazwę kolumna, jako atrybut przewidywalne.Można także wrócić parametrów, które były używane, gdy najpierw została utworzona w modelu.

SELECT MINING_PARAMETERS 
FROM $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'Call Center Regression'

Przykładowe wyniki:

MINING_PARAMETERS

MINING_PARAMETERS

MAXIMUM_INPUT_ATTRIBUTES = 255 MAXIMUM_OUTPUT_ATTRIBUTES = 255 FORCE_REGRESSOR = [średni czas na problem], [Suma Operatorzy]

Uwaga

Jeśli nie określono żadnych regressors, parametr FORCE_REGRESSOR, ma wartość"FORCE_REGRESSOR =".

Powrót do początku

Przykładowa kwerenda 2: Zwracanie formuła regresja dla modelu przy użyciu DMX

Następująca kwerenda zwraca zawartość model wyszukiwania dla modelu regresja liniowej.Kwerenda zwraca zawartość węzeł, który zawiera formułę regresja.Jeśli jeden z węzłów zawiera formułę regresja, można użyć tej kwerendy w modelu drzewa decyzji.

Każda zmienna i współczynnik jest przechowywana w oddzielnym wierszu tabela zagnieżdżonej NODE_DISTRIBUTION.Aby przeglądać formułę pełną regresja, należy użyć Przeglądarka Microsoft drzewa, kliknij przycisk (Wszystkie) węzła i Otwórz Legenda wyszukiwania.

SELECT FLATTENED NODE_DISTRIBUTION as t
FROM [Call Center Regression].CONTENT

Uwaga

Jeśli za pomocą kwerendy, takie jak odwołać poszczególnych kolumn w tabela zagnieżdżonej SELECT <column name> from NODE_DISTRIBUTION, niektóre kolumny, takie jak POMOC TECHNICZNA or PRAWDOPODOBIEŃSTWO, muszą być ujęte w nawiasy, aby odróżnić je od zastrzeżonych słów kluczowych o takiej samej nazwie.

Oczekiwane wyniki:

t.ATTRIBUTE_NAME

t.ATTRIBUTE_VALUE

t.SUPPORT

t.PROBABILITY

t.VARIANCE

t.VALUETYPE

Usługa klasy

Brak

0

0

0

1

Usługa klasy

0.09875

120

1

0.00157927083333334

3

Średni czas na problem

0.00136989326310586

0

0

187.866597222222

7

Średni czas na problem

12.0822151449249

0

0

0

8

Średni czas na problem

79.8416666666667

0

0

187.866597222222

9

Operatorzy całkowita

-0.000426156789860463

0

0

24.0799305555556

7

Operatorzy całkowita

-3.19762422385219

0

0

0

8

Operatorzy całkowita

10.6916666666667

0

0

24.0799305555556

9

-0.00606823493688524

0

0

0.00121526993847281

11

W porównaniu w Legenda wyszukiwania, formuła regresja wygląda następująco:

Usługa klasy = 0.070 + 0,001 0.0004*(Total Operators-10.692) *(Average czas Per Issue-79.842)

W Legenda wyszukiwania, niektóre liczby mogą być zaokrąglane; jednak w tabela NODE_DISTRIBUTION i Legenda wyszukiwania zasadniczo zawierają te same wartości.

Wartości kolumna wartości stwierdzić, jakie informacje zawarte w każdym wierszu, co jest przydatne, jeśli wyniki są przetwarzania programowo.W poniższej tabela przedstawiono typy wartości, które są dane wyjściowe dla formuły regresja liniowej.

WARTOŚCI

1 (Brak)

3 (Ciągłe)

7 (Współczynnik)

8 (Zysk wynik)

9 (Statystyka)

7 (Współczynnik)

8 (Zysk wynik)

9 (Statystyka)

11 (Punktu przecięcia z osią)

Aby uzyskać więcej informacji na temat znaczenia każdego typu wartości dla modeli regresja zobacz model wyszukiwania Zawartości dla modeli regresji liniowej (Analysis Services — wyszukiwanie danych).

Powrót do początku

Przykładowa kwerenda 3: Zwraca współczynnik dla modelu

Za pomocą wartości wyliczenia, jak pokazano w następującej kwerendzie może zwracać tylko współczynnik dla równania regresja:

SELECT FLATTENED MODEL_NAME,
    (SELECT ATTRIBUTE_VALUE, VALUETYPE
     FROM NODE_DISTRIBUTION
     WHERE VALUETYPE = 11) 
AS t
FROM [Call Center Regression].CONTENT

Ta kwerenda zwraca dwa wiersze, z model wyszukiwania zawartości, a wiersz tabela zagnieżdżonej, które zawiera współczynnik.kolumna ATTRIBUTE_NAME nie jest zawarte w tym polu, ponieważ jest zawsze puste w przypadku współczynnika.

NAZWA_MODELU

t.ATTRIBUTE_VALUE

t.VALUETYPE

Wywołanie Centrum Regressors2

-0.00606823493688524

11

Tworzenie przy użyciu modelu prognoz

Za pomocą karty model wyszukiwania prognozowania w Konstruktorze wyszukiwanie danych, można tworzyć kwerendy przewidywanie w modelach regresja liniowej.Konstruktor kwerend przewidywanie jest dostępna w obu SQL Server Management Studio i Business Intelligence Development Studio.

Uwaga

Można również utworzyć kwerendy w modelach regresja, za pomocą SQL Server 2005 wyszukiwanie danych Dodatki dla programu Excel lub SQL Server 2008 wyszukiwanie danych Dodatki dla programu Excel. Nawet jeśli dane wyszukiwanie dodatki dla programu Excel nie należy tworzyć modele regresja, można wyszukiwać i wykonać kwerendę każdego model wyszukiwania, który jest przechowywany na wystąpienie Analysis Services.

Powrót do początku

Przykładowa kwerenda 4: Tworzenie prognoz za pomocą Singleton Query

Najprostszym sposobem utworzenia pojedynczych kwerendy w modelu regresja jest przy użyciu Pojedyncza Query wprowadzania -okno dialogowe.Na przykład utworzyć następującą kwerendę DMX przez wybranie modelu regresja odpowiedni wybór Pojedyncza kwerendy, a następnie wpisując 10 jako wartość całkowita Operatorzy.

SELECT
  Predict([Call Center Regression].[Service Grade])
FROM
  [Call Center Regression]
NATURAL PREDICTION JOIN
(SELECT 10 AS [Total Operators]) AS t

Przykładowe wyniki:

Dochód roczny

0.0992841946529471

Powrót do początku

Przykładowa kwerenda 5: Zwracanie Statystyka opisowa z modelu regresja

Można użyć wielu funkcji standardowego prognozowania z modelami regresja liniowej.Poniższy przykład przedstawia sposób dodawania niektóre Statystyki opisowe do przewidywanie wyniki kwerendy.

SELECT
  Predict([Call Center Regression].[Service Grade]) as [Predicted Service],
  PredictStdev([Call Center Regression].[Service Grade]) as [Standard Deviation]
FROM
  [Call Center Regression]
NATURAL PREDICTION JOIN
(SELECT 10 AS [Total Operators]) AS t

Przykładowe wyniki:

Przewidywane usługa

Odchylenie standardowe.

0.0990447584463201

0.0348607220015996

Powrót do początku

Lista przewidywanie funkcje

Wszystkie Microsoft algorytmy obsługują wspólny zestaw funkcji. Jednak Microsoft Algorytm regresja liniowej obsługuje dodatkowe funkcje wymienione w poniższej tabela.

IsDescendant (DMX)

PredictStdev (DMX)

IsInNode (DMX)

PredictSupport (DMX)

PredictHistogram (DMX)

PredictVariance (DMX)

PredictNodeId (DMX)

  

Aby uzyskać listę funkcji, które są wspólne dla wszystkich Microsoft algorytmy, zobacz Algorytmy wyszukiwania danych (Analysis Services — wyszukiwanie danych). Aby uzyskać więcej informacji na temat korzystania z tych funkcji, zobacz temat Odwołanie do funkcja wyszukiwanie danych rozszerzeń (DMX).

Historia zmian

Microsoft Learning

Dodano łącza w temacie Aby ułatwić przeglądanie próbek kwerendy.

Zmieniono próbki w celu lepszego dopasowanie za pomocą modelu.Dodano łącze do nowego tematu, który w tym artykule opisano sposób tworzenia modelu regresja liniowej próbki.