Содержимое моделей интеллектуального анализа данных для моделей логистической регрессии
Применимо к:
SQL Server 2019 и более ранних версий Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
Важно!
Интеллектуальный анализ данных не рекомендуется использовать в службах SQL Server 2017 Analysis Services, а в SQL Server 2022 Analysis Services его поддержка прекращена. Документация не обновляется для устаревших и неподдерживаемых функций. Дополнительные сведения см. в статье об обратной совместимости служб Analysis Services.
В этом разделе приведено описание содержимого модели интеллектуального анализа данных, характерного для моделей, в которых используется алгоритм логистической регрессии (Майкрософт). Объяснение того, как интерпретировать статистику и структуру, общие для всех типов моделей, а также общие определения терминов, связанных с содержимым модели интеллектуального анализа данных, см. в разделе Содержимое модели интеллектуального анализа данных (службы Analysis Services — интеллектуальный анализ данных).
Основные сведения о структуре модели логистической регрессии
Модель логистической регрессии создается алгоритмом нейронной сети (Майкрософт) с параметрами, которые исключают из модели скрытый узел. Таким образом, общая структура модели логистической регрессии почти идентична структуре нейронной сети: каждая модель имеет один родительский узел, представляющий модель и ее метаданные, а также специальный узел граничной статистики (NODE_TYPE = 24), который содержит описательную статистику о входных атрибутах, используемых в модели.
Кроме того, модель содержит подсеть (NODE_TYPE = 17) для каждого прогнозируемого атрибута. Как и в модели нейронной сети, каждая подсеть всегда содержит две ветви: одну для входного слоя и вторую, содержащую скрытый слой (NODE_TYPE = 19) и выходной слой (NODE_TYPE = 20), для сети. Одна подсеть может использоваться для нескольких атрибутов, если они заданы только как прогнозируемые. Прогнозируемые атрибуты, которые также являются входными, не могут использоваться в одной подсети.
Однако в модели логистической регрессии узел, представляющий скрытый слой, является пустым и не имеет потомков. Поэтому модель содержит узлы, представляющие отдельные выходы (NODE_TYPE = 23) и отдельные входы (NODE_TYPE = 21), но не содержит отдельных скрытых узлов.
По умолчанию модель логистической регрессии отображается в средстве просмотра нейронных сетей (Майкрософт). С помощью этого средства просмотра можно применить фильтр по входным атрибутам и их значениям, чтобы получить графическое представление об их влиянии на выходы. Подсказки в средстве просмотра покажут вероятность и точность, связанные с каждой парой входных и выходных значений. Дополнительные сведения см. в разделе Просмотр модели с помощью средства просмотра нейронных сетей (Майкрософт).
Чтобы изучить структуру входов и подсетей, а также просмотреть подробную статистику, можно использовать средство просмотра деревьев содержимого общего вида (Майкрософт). Можно щелкнуть любой узел, чтобы развернуть его и просмотреть дочерние узлы или отобразить весовые коэффициенты и другие статистические данные, содержащиеся в узле.
Содержимое модели логистической регрессии
В этом разделе представлено подробное описание с примерами только для тех столбцов модели интеллектуального анализа данных, которые имеют отношение к логистической регрессии. Содержимое модели почти полностью идентично содержимому модели нейронной сети, но описания, применимые к моделям нейронной сети, можно для удобства повторить в этой таблице.
Сведения о столбцах общего назначения в наборе строк схемы, таких как MODEL_CATALOG и MODEL_NAME, которые не описаны здесь, или объяснение терминологии модели интеллектуального анализа данных см. в разделе Содержимое модели интеллектуального анализа данных (службы Analysis Services — интеллектуальный анализ данных).
MODEL_CATALOG
Имя базы данных, в которой хранится модель.
MODEL_NAME
Имя модели.
ATTRIBUTE_NAME
Имя атрибута, соответствующего этому узлу.
| Узел | Содержимое |
|---|---|
| Корневой элемент модели | Пусто |
| Граничная статистика | Пусто |
| Входной слой | Пусто |
| Входной узел | Имя входного атрибута |
| скрытый слой | Пусто |
| Выходной слой | Пусто |
| Выходной узел | Имя выходного атрибута |
NODE_NAME
Имя узла. В текущей версии этот столбец содержит то же значение, что и NODE_UNIQUE_NAME, но такое соответствие может измениться в следующих версиях.
NODE_UNIQUE_NAME
Уникальное имя узла.
Дополнительные сведения о структурных данных о модели, содержащихся в именах и идентификаторах, см. в разделе Использование имен и идентификаторов узлов.
NODE_TYPE
Выходными данными модели логистической регрессии являются узлы следующих типов.
| Идентификатор типа узла | Описание |
|---|---|
| 1 | Модель. |
| 17 | Узел-организатор подсети. |
| 18 | Узел-организатор входного слоя. |
| 19 | Узел-организатор скрытого слоя. Скрытый слой является пустым. |
| 20 | Узел-организатор выходного слоя. |
| 21 | Узел входного атрибута. |
| 23 | Узел выходного атрибута. |
| 24 | Узел граничной статистики. |
NODE_CAPTION
Метка или заголовок, связанный с узлом. В моделях логистической регрессии этот столбец всегда пуст.
CHILDREN_CARDINALITY
Оценка количества дочерних узлов, которые имеет данный узел.
| Узел | Содержимое |
|---|---|
| Корневой элемент модели | Показывает число дочерних узлов, куда входят по крайней мере 1 сеть, 1 необходимый граничный узел и 1 необходимый входной слой. Например, если значение равно 5, то существуют 3 подсети. |
| Граничная статистика | Всегда равно 0. |
| Входной слой | Показывает число пар «входной атрибут-значение», использованных моделью. |
| Входной узел | Всегда равно 0. |
| скрытый слой | В моделях логистической регрессии значение всегда равно 0. |
| Выходной слой | Показывает число выходных значений. |
| Выходной узел | Всегда равно 0. |
PARENT_UNIQUE_NAME
Уникальное имя родителя узла. Для любых узлов на корневом уровне возвращается значение NULL.
Дополнительные сведения о структурных данных о модели, содержащихся в именах и идентификаторах, см. в разделе Использование имен и идентификаторов узлов.
NODE_DESCRIPTION
Понятное описание узла.
| Узел | Содержимое |
|---|---|
| Корневой элемент модели | Пусто |
| Граничная статистика | Пусто |
| Входной слой | Пусто |
| Входной узел | Имя входного атрибута |
| скрытый слой | Пусто |
| Выходной слой | Пусто |
| Выходной узел | Если выходной атрибут является непрерывным, этот узел содержит имя выходного атрибута. Если выходной атрибут является дискретным или дискретизированным, этот узел содержит имя и значение атрибута. |
NODE_RULE
XML-описание правила, внедренного в узел.
| Узел | Содержимое |
|---|---|
| Корневой элемент модели | Пусто |
| Граничная статистика | Пусто |
| Входной слой | Пусто |
| Входной узел | Фрагмент XML-кода, содержащий те же сведения, что и столбец NODE_DESCRIPTION. |
| скрытый слой | Пусто |
| Выходной слой | Пусто |
| Выходной узел | Фрагмент XML-кода, содержащий те же сведения, что и столбец NODE_DESCRIPTION. |
MARGINAL_RULE
В моделях логистической регрессии этот столбец всегда пуст.
NODE_PROBABILITY
Вероятность, связанная с этим узлом. В моделях логистической регрессии значение всегда равно 0.
MARGINAL_PROBABILITY
Вероятность доступа к узлу от родительского узла. В моделях логистической регрессии значение всегда равно 0.
NODE_DISTRIBUTION
Вложенная таблица, содержащая статистические данные для узла. Подробные сведения о содержимом этой таблицы для каждого типа узла см. в разделе Основные сведения о таблице NODE_DISTRIBUTION статьи Содержимое модели интеллектуального анализа данных для моделей нейронной сети (службы Analysis Services — интеллектуальный анализ данных).
NODE_SUPPORT
В моделях логистической регрессии значение всегда равно 0.
Примечание
Вероятность несущего множества всегда равна 0, поскольку выход этой модели не является вероятностным. Для алгоритма значимыми являются только весовые коэффициенты, и поэтому алгоритм не вычисляет вероятность, несущее множество и дисперсию.
Сведения о несущем множестве в обучающих вариантах для определенных значений см. в узле граничной статистики.
MSOLAP_MODEL_COLUMN
| Узел | Содержимое |
|---|---|
| Корневой элемент модели | Пусто |
| Граничная статистика | Пусто |
| Входной слой | Пусто |
| Входной узел | Имя входного атрибута. |
| скрытый слой | Пусто |
| Выходной слой | Пусто |
| Выходной узел | Имя входного атрибута. |
MSOLAP_NODE_SCORE
В моделях логистической регрессии значение всегда равно 0.
MSOLAP_NODE_SHORT_CAPTION
В моделях логистической регрессии этот столбец всегда пуст.
Использование имен и идентификаторов узлов
Система именования узлов в модели логистической регрессии передает дополнительные сведения о связях между узлами в модели. В следующей таблице показаны стандартные идентификаторы, назначаемые узлам в каждом слое.
| Тип узла | Стандартный идентификатор узла |
|---|---|
| Корневой элемент модели (1) | 00000000000000000. |
| Узел граничной статистики (24) | 10000000000000000 |
| Входной слой (18) | 30000000000000000 |
| Входной узел (21) | Начинается с 60000000000000000 |
| Подсеть (17) | 20000000000000000 |
| Скрытый слой (19) | 40000000000000000 |
| Выходной слой (20) | 50000000000000000 |
| Выходной узел (23) | Начинается с 80000000000000000 |
С помощью этих идентификаторов можно определить, как выходные атрибуты связаны с заданными атрибутами входного слоя. Для этого нужно просмотреть таблицу NODE_DISTRIBUTION выходного узла. Каждая строка в этой таблице содержит идентификатор, указывающий на определенный узел входного атрибута. В таблице NODE_DISTRIBUTION также содержится коэффициент для этой пары входного и выходного атрибутов.
См. также:
Алгоритм логистической регрессии (Майкрософт)
Содержимое моделей интеллектуального анализа данных для моделей нейронных сетей (службы Analysis Services — интеллектуальный анализ данных)
Примеры запросов модели логистической регрессии
техническом справочнике по алгоритму логистической регрессии (Майкрософт)
Обратная связь
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделе https://aka.ms/ContentUserFeedback.
Отправить и просмотреть отзыв по