신경망 모델에 대한 마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)Mining Model Content for Neural Network Models (Analysis Services - Data Mining)

적용 대상:예SQL Server Analysis Services아니요Azure Analysis ServicesAPPLIES TO:yesSQL Server Analysis ServicesnoAzure Analysis Services이 항목에서는 하는 Microsoft 신경망 알고리즘을 사용 하는 모델만 마이닝 모델 콘텐츠에 대해 설명 합니다. This topic describes mining model content that is specific to models that use the Microsoft Neural Network algorithm. 모든 모델 유형에서 공유하는 통계 및 구조를 해석하는 방법에 대한 설명은 마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)를 참조하세요.For an explanation of how to interpret statistics and structure shared by all model types, and general definitions of terms related to mining model content, see Mining Model Content (Analysis Services - Data Mining).

신경망 모델의 구조 이해Understanding the Structure of a Neural Network Model

각 신경망 모델에는 모델 및 해당 메타데이터를 나타내는 단일 부모 노드와 입력 특성에 대한 기술 통계를 제공하는 특수한 한계 통계 노드(NODE_TYPE = 24)가 있습니다.Each neural network model has a single parent node that represents the model and its metadata, and a marginal statistics node (NODE_TYPE = 24) that provides descriptive statistics about the input attributes. 한계 통계 노드는 입력에 대한 정보를 요약하기 때문에 개별 노드에서 데이터를 쿼리하지 않아도 되므로 유용합니다.The marginal statistics node is useful because it summarizes information about inputs, so that you do not need to query data from the individual nodes.

이 두 노드 아래에는 두 개 이상의 노드가 있으며, 이러한 노드는 모델에 포함된 예측 가능한 특성의 수에 따라 매우 많이 있을 수도 있습니다.Underneath these two nodes, there are at least two more nodes, and might be many more, depending on how many predictable attributes the model has.

  • 첫 번째 노드(NODE_TYPE = 18)는 항상 입력 계층의 최상위 노드를 나타냅니다.The first node (NODE_TYPE = 18) always represents the top node of the input layer. 이 최상위 노드 아래에는 실제 입력 특성과 해당 값이 들어 있는 입력 노드(NODE_TYPE = 21)가 있습니다.Beneath this top node, you can find input nodes (NODE_TYPE = 21) that contain the actual input attributes and their values.

  • 연속된 각 노드에는 각기 다른 서브네트워크 (NODE_TYPE = 17)가 있습니다.Successive nodes each contain a different subnetwork (NODE_TYPE = 17). 각 하위 네트워크에는 해당 하위 네트워크에 대한 숨겨진 계층(NODE_TYPE = 19)과 출력 계층(NODE_TYPE = 20)이 항상 포함되어 있습니다.Each subnetwork always contains a hidden layer (NODE_TYPE = 19), and an output layer (NODE_TYPE = 20) for that subnetwork.

    신경망 모델 콘텐츠의 구조structure of model content for neural networks

    입력 계층의 정보는 간단합니다. 각 입력 계층의 최상위 노드(NODE_TYPE = 18)는 입력 노드(NODE_TYPE = 21) 컬렉션의 구성 도우미 역할을 합니다.The information in the input layer is straightforward: the top node for each input layer (NODE_TYPE = 18) serves as an organizer for a collection of input nodes (NODE_TYPE = 21). 입력 노드의 내용은 다음 표에서 설명합니다.The content of the input nodes is described in the following table.

    각 하위 네트워크(NODE_TYPE = 17)는 입력 계층이 예측 가능한 특정 특성에 주는 영향에 대한 분석을 나타냅니다.Each subnetwork (NODE_TYPE = 17) represents the analysis of the influence of the input layer on a particular predictable attribute. 예측 가능한 출력이 여러 개 있으면 하위 네트워크도 여러 개 있습니다.If there are multiple predictable outputs, there are multiple subnetworks. 각 하위 네트워크의 숨겨진 계층에는 여러 개의 숨겨진 노드(NODE_TYPE = 22)가 포함되고 이 숨겨진 노드에는 해당 노드로 끝나는 각 전환의 가중치에 대한 정보가 포함됩니다.The hidden layer for each subnetwork contains multiple hidden nodes (NODE_TYPE = 22) that contain details about the weights for each transition that ends in that particular hidden node.

    출력 계층(NODE_TYPE = 20)에는 각각 예측 가능한 특성의 고유 값이 포함된 출력 노드(NODE_TYPE = 23)가 포함됩니다.The output layer (NODE_TYPE = 20) contains output nodes (NODE_TYPE = 23) that each contain distinct values of the predictable attribute. 예측 가능한 특성이 연속 숫자 데이터 형식일 경우에는 해당 특성에 대한 출력 노드가 하나만 있습니다.If the predictable attribute is a continuous numeric data type, there is only one output node for the attribute.

참고

로지스틱 회귀 알고리즘에서는 예측 가능한 결과가 하나만 있고 입력은 여러 개일 수 있는 특수한 신경망을 사용합니다.The logistic regression algorithm uses a special case of a neural network that has only one predictable outcome and potentially many inputs. 로지스틱 회귀에서는 숨겨진 계층을 사용하지 않습니다.Logistic regression does not use a hidden layer.

입력 및 하위 네트워크의 구조를 탐색하는 가장 쉬운 방법은 Microsoft 일반 콘텐츠 트리 뷰어를 사용하는 것입니다.The easiest way to explore the structure of the inputs and subnetworks is to use the Microsoft Generic Content Tree viewer. 임의의 노드를 클릭하여 확장한 후 자식 노드를 보거나 노드에 포함된 가중치 및 기타 통계를 볼 수 있습니다.You can click any node to expand it and see the child nodes, or view the weights and other statistics that is contained in the node.

데이터를 사용하고 모델이 입력과 출력 간의 상관 관계를 찾아내는 방식을 보려면 Microsoft 신경망 뷰어를 사용합니다.To work with the data and see how the model correlates inputs with outputs, use the Microsoft Neural Network Viewer. 이 사용자 지정 뷰어를 사용하면 입력 특성과 해당 값을 필터링하고 이러한 항목이 출력에 주는 영향을 그래픽으로 볼 수 있습니다.By using this custom viewer, you can filter on input attributes and their values, and graphically see how they affect the outputs. 뷰어의 도구 설명에는 각 입력 및 출력 값 쌍과 연결된 확률 및 리프트가 표시됩니다.The tooltips in the viewer show you the probability and lift associated with each pair of inputs and output values. 자세한 내용은 Microsoft 신경망 뷰어를 사용하여 모델 찾아보기를 참조하세요.For more information, see Browse a Model Using the Microsoft Neural Network Viewer.

신경망 모델에 대한 모델 콘텐츠Model Content for a Neural Network Model

이 섹션에서는 신경망 모델과 특별히 관련된 마이닝 모델 콘텐츠 열에 대한 세부 정보 및 예만 제공합니다.This section provides detail and examples only for those columns in the mining model content that have particular relevance for neural networks. MODEL_CATALOG와 MODEL_NAME을 비롯하여 여기에 설명되지 않은 스키마 행 집합의 범용 열에 대한 자세한 내용 또는 마이닝 모델 용어에 대한 자세한 내용은 마이닝 모델 콘텐츠(Analysis Services - 데이터 마이닝)를 참조하세요.For information about general-purpose columns in the schema rowset, such as MODEL_CATALOG and MODEL_NAME, that are not described here, or for explanations of mining model terminology, see Mining Model Content (Analysis Services - Data Mining).

MODEL_CATALOGMODEL_CATALOG
모델이 저장되는 데이터베이스의 이름입니다.Name of the database where the model is stored.

MODEL_NAMEMODEL_NAME
모델의 이름입니다.Name of the model.

ATTRIBUTE_NAMEATTRIBUTE_NAME
이 노드에 해당하는 특성의 이름입니다.The names of the attributes that correspond to this node.

노드Node 콘텐츠Content
모델 루트Model root 비어 있음Blank
한계 통계Marginal statistics 비어 있음Blank
입력 계층Input layer 비어 있음Blank
입력 노드Input node 입력 특성 이름Input attribute name
숨겨진 계층Hidden layer 비어 있음Blank
숨겨진 노드Hidden node 비어 있음Blank
출력 계층Output layer 비어 있음Blank
출력 노드Output node 출력 특성 이름Output attribute name

NODE_NAMENODE_NAME
노드 이름입니다.The name of the node. 이 열에는 NODE_UNIQUE_NAME과 동일한 값이 포함됩니다.This column contains the same value as NODE_UNIQUE_NAME.

NODE_UNIQUE_NAMENODE_UNIQUE_NAME
노드의 고유한 이름입니다.The unique name of the node.

이름과 ID가 모델에 대한 구조 정보를 반영하는 방식에 대한 자세한 내용은 노드 이름 및 ID 사용섹션을 참조하세요.For more information about how the names and IDs provide structural information about the model, see the section, Using Node Names and IDs.

NODE_TYPENODE_TYPE
신경망 모델이 출력하는 노드 유형은 다음과 같습니다.A neural network model outputs the following node types:

노드 유형 IDNode Type ID DescriptionDescription
11 모델Model.
1717 하위 네트워크의 구성 도우미 노드Organizer node for the subnetwork.
1818 입력 계층의 구성 도우미 노드Organizer node for the input layer.
1919 숨겨진 계층의 구성 도우미 노드.Organizer node for the hidden layer.
2020 출력 계층의 구성 도우미 노드Organizer node for the output layer.
2121 입력 특성 노드Input attribute node.
2222 숨겨진 계층 노드Hidden layer node
2323 출력 특성 노드Output attribute node.
2424 한계 통계 노드Marginal statistics node.

NODE_CAPTIONNODE_CAPTION
노드와 연결된 레이블 또는 캡션입니다.A label or a caption associated with the node. 신경망 모델에서는 항상 비어 있습니다.In neural network models, always blank.

CHILDREN_CARDINALITYCHILDREN_CARDINALITY
노드에 있는 예상 자식 수입니다.An estimate of the number of children that the node has.

노드Node 콘텐츠Content
모델 루트Model root 한 개 이상의 네트워크, 한 개의 필수 한계 노드 및 한 개의 필수 입력 계층을 포함하는 자식 노드의 수를 나타냅니다.Indicates the count of child nodes, which includes at least 1 network, 1 required marginal node, and 1 required input layer. 예를 들어 값이 5인 경우 3개의 하위 네트워크가 있습니다.For example, if the value is 5, there are 3 subnetworks.
한계 통계Marginal statistics 항상 0입니다.Always 0.
입력 계층Input layer 모델에 사용된 입력 특성-값 쌍의 수를 나타냅니다.Indicates the number of input attribute-values pairs that were used by the model.
입력 노드Input node 항상 0입니다.Always 0.
숨겨진 계층Hidden layer 모델에서 만든 숨겨진 노드의 수를 나타냅니다.Indicates the number of hidden nodes that were created by the model.
숨겨진 노드Hidden node 항상 0입니다.Always 0.
출력 계층Output layer 출력 값의 수를 나타냅니다.Indicates the number of output values.
출력 노드Output node 항상 0입니다.Always 0.

PARENT_UNIQUE_NAMEPARENT_UNIQUE_NAME
노드 부모의 고유한 이름입니다.The unique name of the node's parent. 루트 수준의 모든 노드에 대해서 NULL이 반환됩니다.NULL is returned for any nodes at the root level.

이름과 ID가 모델에 대한 구조 정보를 반영하는 방식에 대한 자세한 내용은 노드 이름 및 ID 사용섹션을 참조하세요.For more information about how the names and IDs provide structural information about the model, see the section, Using Node Names and IDs.

NODE_DESCRIPTIONNODE_DESCRIPTION
노드에 대한 알기 쉬운 설명입니다.A user-friendly description of the node.

노드Node 콘텐츠Content
모델 루트Model root 비어 있음Blank
한계 통계Marginal statistics 비어 있음Blank
입력 계층Input layer 비어 있음Blank
입력 노드Input node 입력 특성 이름Input attribute name
숨겨진 계층Hidden layer 비어 있음Blank
숨겨진 노드Hidden node 숨겨진 노드 목록에 있는 숨겨진 노드의 시퀀스를 나타내는 정수Integer that indicates the sequence of the hidden node in the list of hidden nodes.
출력 계층Output layer 비어 있음Blank
출력 노드Output node 출력 특성이 연속 특성인 경우 출력 특성의 이름을 포함합니다.If the output attribute is continuous, contains the name of the output attribute.

출력 특성이 불연속 또는 불연속화된 특성인 경우 특성 이름 및 값을 포함합니다.If the output attribute is discrete or discretized, contains the name of the attribute and the value.

NODE_RULENODE_RULE
노드에 포함된 규칙에 대한 XML 설명입니다.An XML description of the rule that is embedded in the node.

노드Node 콘텐츠Content
모델 루트Model root 비어 있음Blank
한계 통계Marginal statistics 비어 있음Blank
입력 계층Input layer 비어 있음Blank
입력 노드Input node NODE_DESCRIPTION 열과 같은 정보가 들어 있는 XML 조각An XML fragment that contains the same information as the NODE_DESCRIPTION column.
숨겨진 계층Hidden layer 비어 있음Blank
숨겨진 노드Hidden node 숨겨진 노드 목록에 있는 숨겨진 노드의 시퀀스를 나타내는 정수Integer that indicates the sequence of the hidden node in the list of hidden nodes.
출력 계층Output layer 비어 있음Blank
출력 노드Output node NODE_DESCRIPTION 열과 같은 정보가 들어 있는 XML 조각An XML fragment that contains the same information as the NODE_DESCRIPTION column.

MARGINAL_RULEMARGINAL_RULE
신경망 모델의 경우 항상 비어 있습니다.For neural network models, always blank.

NODE_PROBABILITYNODE_PROBABILITY
이 노드와 관련된 확률입니다.The probability associated with this node. 신경망 모델의 경우 항상 0입니다.For neural network models, always 0.

MARGINAL_PROBABILITYMARGINAL_PROBABILITY
부모 노드에서 해당 노드에 도달할 확률입니다.The probability of reaching the node from the parent node. 신경망 모델의 경우 항상 0입니다.For neural network models, always 0.

NODE_DISTRIBUTIONNODE_DISTRIBUTION
노드에 대한 통계 정보가 들어 있는 중첩 테이블입니다.A nested table that contains statistical information for the node. 각 노드 유형에 대해 이 테이블에 포함되는 내용에 대한 자세한 내용은 NODE_DISTRIBUTION 테이블 이해섹션을 참조하세요.For detailed information about the contents of this table for each node type, see the section, Understanding the NODE_DISTRIBUTION Table.

NODE_SUPPORTNODE_SUPPORT
신경망 모델의 경우 항상 0입니다.For neural network models, always 0.

참고

이 모델 유형의 출력은 확률적이 아니므로 지지도 확률은 항상 0입니다.Support probabilities are always 0 because the output of this model type is not probabilistic. 이 알고리즘에는 가중치만 의미가 있으므로 이 알고리즘은 확률, 지지도 또는 분산을 계산하지 않습니다.Only the weights are meaningful for the algorithm; therefore, the algorithm does not compute probability, support, or variance.

특정 값에 대한 학습 사례의 지지도에 관한 정보를 보려면 한계 통계 노드를 참조하세요.To get information about the support in the training cases for specific values, see the marginal statistics node.

MSOLAP_MODEL_COLUMNMSOLAP_MODEL_COLUMN

노드Node 콘텐츠Content
모델 루트Model root 비어 있음Blank
한계 통계Marginal statistics 비어 있음Blank
입력 계층Input layer 비어 있음Blank
입력 노드Input node 입력 특성 이름Input attribute name.
숨겨진 계층Hidden layer 비어 있음Blank
숨겨진 노드Hidden node 비어 있음Blank
출력 계층Output layer 비어 있음Blank
출력 노드Output node 입력 특성 이름Input attribute name.

MSOLAP_NODE_SCOREMSOLAP_NODE_SCORE
신경망 모델의 경우 항상 0입니다.For a neural network model, always 0.

MSOLAP_NODE_SHORT_CAPTIONMSOLAP_NODE_SHORT_CAPTION
신경망 모델의 경우 항상 비어 있습니다.For neural network models, always blank.

주의Remarks

신경망 모델의 학습 목적은 입력에서 중간점 및 중간점에서 끝점으로의 각 전환과 연결된 가중치를 확인하는 것입니다.The purpose of training a neural network model is to determine the weights that are associated with each transition from an input to a midpoint, and from a midpoint to an endpoint. 따라서 모델의 입력 계층은 주로 모델을 작성하는 데 사용된 실제 값을 저장하기 위해 존재합니다.Therefore, the input layer of the model principally exists to store the actual values that were used to build the model. 숨겨진 계층은 계산된 가중치를 저장하며 입력 특성에 대한 포인터를 제공합니다.The hidden layer stores the weights that were computed, and provides pointers back to the input attributes. 출력 계층은 예측 가능한 값을 저장하며 숨겨진 계층의 중간점에 대한 포인터를 제공합니다.The output layer stores the predictable values, and also provides pointers back to the midpoints in the hidden layer.

노드 이름 및 ID 사용Using Node Names and IDs

신경망 모델의 노드 이름은 노드 유형에 대한 추가 정보를 제공하므로 이를 통해 숨겨진 계층과 입력 계층의 관계 및 출력 계층과 숨겨진 계층의 관계를 쉽게 이해할 수 있습니다.The naming of the nodes in a neural network model provides additional information about the type of node, to make it easier to relate the hidden layer to the input layer, and the output layer to the hidden layer. 다음 표에서는 각 계층의 노드에 할당되는 ID의 규칙을 보여 줍니다.The following table shows the convention for the IDs that are assigned to nodes in each layer.

노드 유형Node Type 노드 ID의 규칙Convention for node ID
모델 루트(1)Model root (1) 00000000000000000.00000000000000000.
한계 통계 노드(24)Marginal statistics node (24) 1000000000000000010000000000000000
입력 계층(18)Input layer (18) 3000000000000000030000000000000000
입력 노드(21)Input node (21) 60000000000000000에서 시작Starts at 60000000000000000
하위 네트워크(17)Subnetwork (17) 2000000000000000020000000000000000
숨겨진 계층(19)Hidden layer (19) 4000000000000000040000000000000000
숨겨진 노드(22)Hidden node (22) 70000000000000000에서 시작Starts at 70000000000000000
출력 계층(20)Output layer (20) 5000000000000000050000000000000000
출력 노드(23)Output node (23) 80000000000000000에서 시작Starts at 80000000000000000

숨겨진 노드(NODE_TYPE = 22)의 NODE_DISTRIBUTION 테이블을 보면 숨겨진 특정 계층과 관련된 입력 특성을 확인할 수 있습니다.You can determine which input attributes are related to a specific hidden layer node by viewing the NODE_DISTRIBUTION table in the hidden node (NODE_TYPE = 22). NODE_DISTRIBUTION 테이블의 각 행에는 입력 특성 노드의 ID가 들어 있습니다.Each row of the NODE_DISTRIBUTION table contains the ID of an input attribute node.

마찬가지로, 출력 노드(NODE_TYPE = 23)의 NODE_DISTRIBUTION 테이블을 보면 출력 특성과 관련된 숨겨진 계층을 확인할 수 있습니다.Similarly, you can determine which hidden layers are related to an output attribute by viewing the NODE_DISTRIBUTION table in the output node (NODE_TYPE = 23). NODE_DISTRIBUTION 테이블의 각 행에는 숨겨진 계층 노드의 ID와 관련 계수가 들어 있습니다.Each row of the NODE_DISTRIBUTION table contains the ID of a hidden layer node, together with the related coefficient.

NODE_DISTRIBUTION 테이블의 정보 해석Interpreting the Information in the NODE_DISTRIBUTION Table

일부 노드에서는 NODE_DISTRIBUTION 테이블이 비어 있을 수 있습니다.The NODE_DISTRIBUTION table can be empty in some nodes. 그러나 입력 노드, 숨겨진 계층 노드 및 출력 노드의 경우 NODE_DISTRIBUTION 테이블에는 모델에 대한 중요하고 주목할 만한 정보가 저장됩니다.However, for input nodes, hidden layer nodes, and output nodes, the NODE_DISTRIBUTION table stores important and interesting information about the model. 이 정보를 쉽게 해석할 수 있도록 NODE_DISTRIBUTION 테이블에는 각 행에 대해 VALUETYPE 열이 들어 있으므로 이 열을 통해 ATTRIBUTE_VALUE 열의 값이 불연속적(4)인지, 불연속화(5)되었는지, 연속적(3)인지를 알 수 있습니다.To help you interpret this information, the NODE_DISTRIBUTION table contains a VALUETYPE column for each row that tells you whether the value in the ATTRIBUTE_VALUE column is Discrete (4), Discretized (5), or Continuous (3).

입력 노드Input Nodes

입력 계층에는 모델에 사용된 각 특성 값에 대한 노드가 포함됩니다.The input layer contains a node for each value of the attribute that was used in the model.

불연속 특성: 입력 노드에는 ATTRIBUTE_NAME 및 ATTRIBUTE_VALUE 열의 특성 이름 및 해당 값만 저장됩니다.Discrete attribute: The input node stores only the name of the attribute and its value in the ATTRIBUTE_NAME and ATTRIBUTE_VALUE columns. 예를 들어 [Work Shift]가 열인 경우 이 열의 값 중 모델에 사용된 각 값(예: AM 및 PM)에 대해 별도의 노드가 만들어집니다.For example, if [Work Shift] is the column, a separate node is created for each value of that column that was used in the model, such as AM and PM. 각 노드의 NODE_DISTRIBUTION 테이블에는 특성의 현재 값만 나열됩니다.The NODE_DISTRIBUTION table for each node lists only the current value of the attribute.

불연속화된 숫자 특성: 입력 노드에는 특성 이름 및 해당 값이 저장됩니다. 이때 값은 범위이거나 특정 값일 수 있습니다.Discretized numeric attribute: The input node stores the name of the attribute, and the value, which can be a range or a specific value. 모든 값은 식으로 표현됩니다. 예를 들어 [Time Per Issue]의 값은 '77.4 - 87.4' 또는 ' < 64.0' 등으로 표현됩니다.All values are represented by expressions, such as '77.4 - 87.4' or ' < 64.0' for the value of the [Time Per Issue]. 각 노드의 NODE_DISTRIBUTION 테이블에는 특성의 현재 값만 나열됩니다.The NODE_DISTRIBUTION table for each node lists only the current value of the attribute.

연속 특성: 입력 노드에는 노드의 평균값이 저장됩니다.Continuous attribute: The input node stores the mean value of the attribute. 각 노드의 NODE_DISTRIBUTION 테이블에는 특성의 현재 값만 나열됩니다.The NODE_DISTRIBUTION table for each node lists only the current value of the attribute.

숨겨진 계층 노드Hidden Layer Nodes

숨겨진 계층에는 여러 개의 노드가 포함됩니다.The hidden layer contains a variable number of nodes. 각 노드의 NODE_DISTRIBUTION 테이블에는 숨겨진 계층에서 입력 계층 노드로의 매핑이 들어 있습니다.In each node, the NODE_DISTRIBUTION table contains mappings from the hidden layer to the nodes in the input layer. ATTRIBUTE_NAME 열에는 입력 계층의 노드에 해당하는 노드 ID가 들어 있습니다.The ATTRIBUTE_NAME column contains a node ID that corresponds to a node in the input layer. ATTRIBUTE_VALUE 열에는 입력 노드 및 숨겨진 계층 노드의 조합과 연결된 가중치가 들어 있습니다.The ATTRIBUTE_VALUE column contains the weight associated with that combination of input node and hidden layer node. 테이블의 마지막 행에는 숨겨진 계층에 있는 숨겨진 해당 노드의 가중치를 나타내는 계수가 들어 있습니다.The last row in the table contains a coefficient that represents the weight of that hidden node in the hidden layer.

출력 노드Output Nodes

출력 계층에는 모델에 사용된 각 출력 값에 대한 출력 노드가 하나씩 포함됩니다.The output layer contains one output node for each output value that was used in the model. 각 노드의 NODE_DISTRIBUTION 테이블에는 출력 계층에서 숨겨진 계층 노드로의 매핑이 들어 있습니다.In each node, the NODE_DISTRIBUTION table contains mappings from the output layer to the nodes in the hidden layer. ATTRIBUTE_NAME 열에는 숨겨진 계층의 노드에 해당하는 노드 ID가 들어 있습니다.The ATTRIBUTE_NAME column contains a node ID that corresponds to a node in the hidden layer. ATTRIBUTE_VALUE 열에는 출력 노드 및 숨겨진 계층 노드의 조합과 연결된 가중치가 들어 있습니다.The ATTRIBUTE_VALUE column contains the weight associated with that combination of output node and hidden layer node.

NODE_DISTRIBUTION 테이블에는 특성 유형에 따라 다음과 같은 추가 정보가 포함됩니다.The NODE_DISTRIBUTION table has the following additional information, depending on whether the type of the attribute:

불연속 특성: NODE_DISTRIBUTION 테이블의 마지막 두 행에 해당 노드 전체에 대한 계수와 특성의 현재 값이 들어 있습니다.Discrete attribute: The final two rows of the NODE_DISTRIBUTION table contain a coefficient for the node as a whole, and the current value of the attribute.

불연속화된 숫자 특성: 특성 값이 값 범위라는 점만 제외하고 불연속 특성과 동일합니다.Discretized numeric attribute: Identical to discrete attributes, except that the value of the attribute is a range of values.

연속 특성: NODE_DISTRIBUTION 테이블의 마지막 두 행에 특성의 평균, 해당 노드 전체에 대한 계수 및 계수의 분산이 들어 있습니다.Continuous attribute: The final two rows of the NODE_DISTRIBUTION table contain the mean of the attribute, the coefficient for the node as a whole, and the variance of the coefficient.

관련 항목:See Also

Microsoft Neural Network Algorithm Microsoft Neural Network Algorithm
Microsoft 신경망 알고리즘 기술 참조 Microsoft Neural Network Algorithm Technical Reference
신경망 모델 쿼리 예제Neural Network Model Query Examples