Содержимое моделей интеллектуального анализа данных для моделей нейронных сетей (службы Analysis Services — интеллектуальный анализ данных)
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 нейронной сети (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 нейронной сети
Каждая нейронная сеть имеет один родительский узел, представляющий модель и ее метаданные, а также узел граничной статистики (NODE_TYPE = 24), который содержит описательную статистику о входных атрибутах. Узел граничной статистики полезен, поскольку содержит сводные данные о входных атрибутах, что устраняет необходимость запрашивать данные из отдельных узлов.
Под этими двумя узлами расположено не менее двух других узлов. Всего узлов может быть значительно больше, в зависимости от количества прогнозируемых атрибутов в модели.
Первый узел (NODE_TYPE = 18) всегда представляет верхний узел входного слоя. Под этим верхним узлом находятся входные узлы (NODE_TYPE = 21), которые содержат фактические входные атрибуты и их значения.
В каждом из последующих узлов содержится отдельная подсеть (NODE_TYPE = 17). Каждая подсеть всегда содержит собственный скрытый слой (NODE_TYPE = 19) и выходной слой (NODE_TYPE = 20).
Данные входного слоя имеют простую организацию: верхний узел для каждого входного слоя (NODE_TYPE = 18) служит средством организации коллекции входных узлов (NODE_TYPE = 21). Содержимое входных узлов описано в следующей таблице.
Каждая подсеть (NODE_TYPE = 17) представляет анализ влияния входного слоя на отдельный прогнозируемый атрибут. Если существует несколько прогнозируемых выходов, будет создано несколько подсетей. Скрытый слой для каждой подсети содержит несколько скрытых узлов (NODE_TYPE = 22), в которых содержатся данные о весовых коэффициентах для каждого перехода, завершающегося в данном скрытом узле.
Выходной слой (NODE_TYPE = 20) содержит выходные узлы (NODE_TYPE = 23), в каждом из которых находятся уникальные значения прогнозируемого атрибута. Если прогнозируемый атрибут имеет непрерывный числовой тип данных, то для него будет только один выходной узел.
Примечание
Алгоритм логистической регрессии использует особый вариант нейронной сети, в котором существует только один прогнозируемый выход и потенциально множество входов. В логистической регрессии не используется скрытый слой.
Просмотреть структуру входов и подсетей проще всего с помощью средства 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.
Для работы с данными и демонстрации корреляции между входами и выходами модели используется средство 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).
Содержимое для модели нейронной сети
В этом разделе представлено подробное описание с примерами только для тех столбцов модели интеллектуального анализа данных, которые имеют отношение к нейронным сетям. 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
Имена атрибутов, соответствующих этому узлу.
| Узел | Содержимое |
|---|---|
| Корневой элемент модели | Пусто |
| Граничная статистика | Пусто |
| Входной слой | Пусто |
| Входной узел | Имя входного атрибута |
| скрытый слой | Пусто |
| Скрытый узел | Пусто |
| Выходной слой | Пусто |
| Выходной узел | Имя выходного атрибута |
NODE_NAME
Имя узла. Этот столбец содержит те же значения, что и NODE_UNIQUE_NAME.
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 нейронной сети могут быть узлы следующих типов.
| Идентификатор типа узла | Описание |
|---|---|
| 1 | Модель. |
| 17 | Узел-организатор подсети. |
| 18 | Узел-организатор входного слоя. |
| 19 | Узел-организатор скрытого слоя. |
| 20 | Узел-организатор выходного слоя. |
| 21 | Узел входного атрибута. |
| 22 | Узел скрытого слоя |
| 23 | Узел выходного атрибута. |
| 24 | Узел граничной статистики. |
NODE_CAPTION
Метка или заголовок, связанный с узлом. В моделях нейронных сетей всегда пусто.
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 | Показывает число скрытых узлов, созданных моделью. |
| Скрытый узел | 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 |
| Скрытый узел | Целое число, соответствующее порядковому номеру скрытого узла в списке скрытых узлов. |
| 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, содержащего те же сведения, что и столбец NODE_DESCRIPTION. |
| скрытый слой | Пусто |
| Скрытый узел | Целое число, соответствующее порядковому номеру скрытого узла в списке скрытых узлов. |
| Выходной слой | Пусто |
| Выходной узел | Фрагмент XML-кода, содержащего те же сведения, что и столбец NODE_DESCRIPTION. |
MARGINAL_RULE
В моделях нейронных сетей всегда пусто.
NODE_PROBABILITY
Вероятность, связанная с этим узлом. В моделях нейронных сетей значение всегда равно 0.
MARGINAL_PROBABILITY
Вероятность доступа к узлу от родительского узла. В моделях нейронных сетей 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.
NODE_SUPPORT
В моделях нейронных сетей 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 |
| Скрытый узел | Пусто |
| Выходной слой | Пусто |
| Выходной узел | Имя входного атрибута. |
MSOLAP_NODE_SCORE
В моделях нейронных сетей значение всегда равно 0.
MSOLAP_NODE_SHORT_CAPTION
В моделях нейронных сетей всегда пусто.
Комментарии
Задачей обучения модели нейронной сети является определение весовых коэффициентов, связанных с каждым переходом от входа к промежуточной точке и от промежуточной точки к конечной точке. Поэтому входной слой модели предназначен главным образом для хранения фактических значений, использованных для построения модели. Скрытый слой хранит вычисленные весовые коэффициенты и содержит указатели на входные атрибуты. Выходной узел хранит прогнозируемые значения и также содержит указатели на промежуточные точки в скрытом узле.
Использование имен и идентификаторов узлов
Система имен узлов в нейронной сети передает дополнительные данные о типе узла, что упрощает поиск связи между скрытым слоем и входным слоем, а также между выходным слоем и скрытым слоем. 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 |
| Скрытый узел (22) | Начинается с 70000000000000000 |
| Выходной слой (20) | 50000000000000000 |
| Выходной узел (23) | Начинается с 80000000000000000 |
Можно определить, какие выходные атрибуты связаны с выбранным узлом скрытого слоя, если просмотреть таблицу NODE_DISTRIBUTION в скрытом узле (NODE_TYPE = 22). Каждая строка таблицы NODE_DISTRIBUTION содержит идентификатор узла входного атрибута.
Аналогично можно определить, какие скрытые слои связаны с выходным атрибутом, если просмотреть таблицу NODE_DISTRIBUTION в выходном узле (NODE_TYPE = 23). Каждая строка таблицы NODE_DISTRIBUTION содержит идентификатор узла скрытого слоя, а также связанный с нм коэффициент.
Интерпретация данных в таблице NODE_DISTRIBUTION
В некоторых узлах таблица NODE_DISTRIBUTION может быть пустой. Однако для входных узлов, узлов скрытого слоя и выходных узлов таблица NODE_DISTRIBUTION хранит важные и содержательные сведения о модели. Чтобы упростить толкование этих сведений, таблица NODE_DISTRIBUTION содержит столбец VALUETYPE для каждой строки, где говорится, является ли значение в столбце ATTRIBUTE_VALUE дискретным (4), дискретизированным (5) или непрерывным (3).
Входные узлы
Входной слой содержит один узел для каждого значения атрибута, используемого в модели.
Дискретный атрибут. Входной узел хранит только имя атрибута и его значение в столбцах ATTRIBUTE_NAME и ATTRIBUTE_VALUE. Например, если столбец называется [Рабочая смена], то для каждого значения столбца, которое используется в модели, такого как AM и PM, создается отдельный узел. В таблице NODE_DISTRIBUTION для каждого узла приводится только текущее значение атрибута.
Дискретизированный числовой атрибут. Входной узел хранит имя атрибута и его значение, которое может быть диапазоном или отдельным значением. Все значения представлены выражениями, такими как "77,4 – 87,4" или " < 64,0" для значения [время на проблему]. В таблице NODE_DISTRIBUTION для каждого узла приводится только текущее значение атрибута.
Непрерывный атрибут. Входной узел хранит среднее значение атрибута. В таблице NODE_DISTRIBUTION для каждого узла приводится только текущее значение атрибута.
Узлы скрытого слоя
Скрытый слой содержит переменное число узлов. В каждом узле таблица NODE_DISTRIBUTION содержит сопоставления элементов скрытого слоя с узлами во входном слое. Столбец ATTRIBUTE_NAME содержит идентификатор узла, который соответствует узлу во входном слое. Столбец ATTRIBUTE_VALUE содержит весовой коэффициент, связанный с этим сочетанием входного узла и узла скрытого слоя. Последняя строка таблицы содержит весовой коэффициент этого скрытого узла в скрытом слое.
Выходные узлы
Выходной слой содержит один выходной узел для каждого выходного значения, использованного в модели. В каждом узле таблица NODE_DISTRIBUTION содержит сопоставления элементов выходного слоя с узлами в скрытом слое. Столбец ATTRIBUTE_NAME содержит идентификатор узла, который соответствует узлу в скрытом слое. Столбец ATTRIBUTE_VALUE содержит весовой коэффициент, связанный с этим сочетанием выходного узла и узла скрытого слоя.
Таблица NODE_DISTRIBUTION содержит следующие дополнительные сведения в зависимости от типа атрибута.
Дискретный атрибут. Последние две строки таблицы NODE_DISTRIBUTION содержат коэффициент для узла в целом и текущее значение атрибута.
Дискретизированный числовой атрибут. Аналогично дискретным атрибутам за исключением того, что значением атрибута является диапазон значений.
Непрерывный атрибут. Последние две строки таблицы NODE_DISTRIBUTION содержат среднее значение атрибута, коэффициент для узла в целом и дисперсию коэффициента.
См. также:
Microsoft Neural Network Algorithm
Технический справочник по алгоритму нейронной сети (Майкрософт)
Примеры запросов к модели нейронной сети
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