Contenuto del modello di data mining per i modelli di regressione logistica

Si applica a: SQL Server 2019 e versioni precedenti di Analysis Services Azure Analysis Services Fabric/Power BI Premium

In questo argomento viene descritto il contenuto del modello di data mining specifico per i modelli che usano l'algoritmo Microsoft Logistic Regression. Per una spiegazione di come interpretare statistiche e struttura condivise da tutti i tipi di modello e definizioni generali dei termini correlati al contenuto del modello di data mining, vedere Contenuto del modello di data mining (Analysis Services - Data mining).

Informazioni sulla struttura di un modello di regressione logistica

Viene creato un modello di regressione logistica usando l'algoritmo Microsoft Neural Network con parametri che vincolano il modello per eliminare il nodo nascosto. Pertanto, la struttura complessiva di un modello di regressione logistica è quasi identica a quella di una rete neurale: ogni modello ha un singolo nodo padre che rappresenta il modello e i relativi metadati e un nodo speciale delle statistiche marginali (NODE_TYPE = 24) che fornisce statistiche descrittive sugli input usati nel modello.

Inoltre, il modello contiene una sottorete (NODE_TYPE = 17) per ogni attributo stimabile. Proprio come in un modello di rete neurale, ogni sottorete contiene sempre due rami: uno per il livello di input e un altro ramo che contiene il livello nascosto (NODE_TYPE = 19) e il livello di output (NODE_TYPE = 20) per la rete. La stessa sottorete può essere usata per più attributi se sono specificati come predict-only. Gli attributi stimabili che sono anche input potrebbero non essere visualizzati nella stessa sottorete.

In un modello di regressione logistica, tuttavia, il nodo che rappresenta lo strato nascosto è vuoto e non ha elementi figlio. Pertanto, il modello contiene nodi che rappresentano singoli output (NODE_TYPE = 23) e singoli input (NODE_TYPE = 21), ma non singoli nodi nascosti.

Per impostazione predefinita, un modello di regressione logistica viene visualizzato in Microsoft Neural Network Viewer. Con questo visualizzatore personalizzato, è possibile filtrare in base agli attributi di input e ai relativi valori e osservare graficamente come influiscono sugli output. Le descrizioni comando nel visualizzatore mostrano la probabilità e l'accuratezza associate a ogni coppia di input e valori di output. Per altre informazioni, vedere Browse a Model Using the Microsoft Neural Network Viewer.For more information, see Browse a Model Using the Microsoft Neural Network Viewer.

Per esplorare la struttura degli input e delle subnet e per visualizzare statistiche dettagliate, è possibile usare microsoft Generic Content Tree Viewer. È possibile fare clic su qualsiasi nodo per espanderlo e visualizzare i nodi figlio oppure visualizzare i pesi e altre statistiche contenute nel nodo.

Contenuto del modello per un modello di regressione logistica

In questa sezione vengono forniti dettagli ed esempi solo per le colonne nel contenuto del modello di data mining con particolare rilevanza per la regressione logistica. Il contenuto del modello è quasi identico a quello di un modello di rete neurale, ma le descrizioni applicabili ai modelli di rete neurale possono essere ripetute in questa tabella per praticità.

Per informazioni sulle colonne per utilizzo generico nel set di righe dello schema, ad esempio MODEL_CATALOG e MODEL_NAME, non descritte qui o per spiegazioni della terminologia del modello di data mining, vedere Contenuto del modello di data mining (Analysis Services - Data mining).

MODEL_CATALOG
Nome del database in cui è archiviato il modello.

MODEL_NAME
Nome del modello.

ATTRIBUTE_NAME
Nomi dell'attributo che corrisponde a questo nodo.

NODE_NAME
Il nome del nodo. Attualmente, questa colonna contiene lo stesso valore di NODE_UNIQUE_NAME, anche se questa potrebbe cambiare nelle versioni future.

NODE_UNIQUE_NAME
Nome univoco del nodo.

Per altre informazioni sul modo in cui i nomi e gli ID forniscono informazioni strutturali sul modello, vedere la sezione Uso di nomi e ID dei nodi.

NODE_TYPE
Un modello di regressione logistica restituisce i tipi di nodo seguenti:

NODE_CAPTION
Etichetta o didascalia associata al nodo. Nei modelli di regressione logistica, sempre vuoto.

CHILDREN_CARDINALITY
Stima del numero di elementi figlio presenti nel nodo.

PARENT_UNIQUE_NAME
Nome univoco dell'elemento padre del nodo. Null viene restituito per tutti i nodi a livello radice.

Per altre informazioni sul modo in cui i nomi e gli ID forniscono informazioni strutturali sul modello, vedere la sezione Uso di nomi e ID dei nodi.

NODE_DESCRIPTION
Descrizione descrittiva del nodo.

NODE_RULE
Descrizione XML della regola incorporata nel nodo.

MARGINAL_RULE
Per i modelli di regressione logistica, sempre vuoto.

NODE_PROBABILITY
Probabilità associata a questo nodo. Per i modelli di regressione logistica, sempre 0.

MARGINAL_PROBABILITY
Probabilità di raggiungere il nodo dal nodo padre. Per i modelli di regressione logistica, sempre 0.

NODE_DISTRIBUTION
Tabella nidificata che contiene informazioni statistiche per il nodo. Per informazioni dettagliate sul contenuto di questa tabella per ogni tipo di nodo, vedere la sezione Informazioni sulla tabella NODE_DISTRIBUTION, nel contenuto del modello di data mining per i modelli di rete neurale (Analysis Services - Data mining).

NODE_SUPPORT
Per i modelli di regressione logistica, sempre 0.

Per ottenere informazioni sul supporto nei casi di training per valori specifici, vedere il nodo delle statistiche marginali.

MSOLAP_MODEL_COLUMN

MSOLAP_NODE_SCORE
Nei modelli di regressione logistica, sempre 0.

MSOLAP_NODE_SHORT_CAPTION
Nei modelli di regressione logistica, sempre vuoto.

Uso di nomi e ID dei nodi

La denominazione dei nodi in un modello di regressione logistica fornisce informazioni aggiuntive sulle relazioni tra nodi nel modello. La tabella seguente illustra le convenzioni per gli ID assegnati ai nodi in ogni livello.

È possibile usare questi ID per determinare in che modo gli attributi di output sono correlati a attributi specifici del livello di input visualizzando la tabella NODE_DISTRIBUTION del nodo di output. Ogni riga della tabella contiene un ID che punta a un nodo dell'attributo di input specifico. La tabella NODE_DISTRIBUTION contiene anche il coefficiente per la coppia di input-output.

Vedere anche

Algoritmo Microsoft Logistic Regression
Contenuto del modello di mining per modelli di rete neurale (Servizi di analisi - Data Mining)
Esempi di query sul modello di regressione logistica
Riferimento tecnico per l'algoritmo Microsoft Logistic Regression