Ejemplos de consultas del modelo de regresión lineal

Al crear una consulta en un modelo de minería de datos, puede crear una consulta de contenido, que proporciona detalles sobre los patrones detectados en el análisis, o bien puede crear una consulta de predicción, que usa los patrones del modelo para realizar predicciones para nuevos datos. Por ejemplo, una consulta de contenido podría proporcionar detalles adicionales sobre la fórmula de regresión, mientras que una consulta de predicción podría avisarle si un nuevo punto de datos se ajusta al modelo. También puede recuperar metadatos sobre el modelo mediante una consulta.

En esta sección se explica cómo crear consultas para modelos basados en el algoritmo de regresión lineal de Microsoft.

Consultas de contenido

Uso del conjunto de filas de esquema de minería de datos para determinar los parámetros usados para un modelo

Uso de DMX para devolver la fórmula de regresión del modelo

Devolver solo el coeficiente del modelo

Consultas de predicción

Predicción de ingresos mediante una consulta singleton

Uso de funciones de predicción con un modelo de regresión

Búsqueda de información sobre el modelo de regresión lineal

La estructura de un modelo de regresión lineal es extremadamente sencilla: el modelo de minería de datos representa los datos como un solo nodo, que define la fórmula de regresión. Para obtener más información, consulte Contenido de modelos de minería de datos para modelos de regresión logística (Analysis Services - minería de datos).

Volver al principio

Consulta de ejemplo 1: Usar el conjunto de filas de esquema de minería de datos para determinar los parámetros usados para un modelo

Al consultar el conjunto de filas del esquema de minería de datos, puede encontrar metadatos sobre el modelo. Esto puede incluir cuándo se creó el modelo, cuando se procesó por última vez el modelo, el nombre de la estructura de minería de datos en la que se basa el modelo y el nombre de la columna designada como atributo de predicción. También puede devolver los parámetros que se usaron cuando se creó el modelo por primera vez.

SELECT MINING_PARAMETERS   
FROM $system.DMSCHEMA_MINING_MODELS  
WHERE MODEL_NAME = 'TM_PredictIncome'  

Resultados de ejemplo:

Volver al principio

Consulta de ejemplo 2: Recuperación de la fórmula de regresión para el modelo

La consulta siguiente devuelve el contenido del modelo de minería de datos para un modelo de regresión lineal que se creó mediante el mismo origen de datos de correo dirigido que se usó en el Tutorial básico de minería de datos. Este modelo predice los ingresos de los clientes en función de la edad.

La consulta devuelve el contenido del nodo que contiene la fórmula de regresión. Cada variable y coeficiente se almacenan en una fila independiente de la tabla NODE_DISTRIBUTION anidada. Si desea ver la fórmula de regresión completa, use el Visor de árboles de Microsoft, haga clic en el nodo (Todos) y abra la leyenda de minería de datos.

SELECT FLATTENED NODE_DISTRIBUTION as t  
FROM LR_PredictIncome.CONTENT  

Resultados esperados:

En comparación, en la Leyenda de Minería, la fórmula de regresión aparece de la siguiente manera:

Ingresos anuales = 57.220.919 + 471.688 * (Edad - 45.427)

Puede ver que en la Leyenda de minería de datos, algunos números se redondean; sin embargo, la tabla NODE_DISTRIBUTION y la leyenda de minería de datos contienen esencialmente los mismos valores.

Los valores de la columna VALUETYPE indican qué tipo de información se incluye en cada fila, lo que resulta útil si está procesando los resultados mediante programación. En la tabla siguiente se muestran los tipos de valor que se generan para una fórmula de regresión lineal.

Para obtener más información sobre el significado de cada tipo de valor para los modelos de regresión, vea Contenido del modelo de minería de datos para modelos de regresión lineal (Analysis Services - Minería de datos).

Volver al principio

Consulta de ejemplo 3: Devolver solo el coeficiente del modelo

Mediante la enumeración VALUETYPE, solo puede devolver el coeficiente de la ecuación de regresión, como se muestra en la consulta siguiente:

SELECT FLATTENED MODEL_NAME,  
    (SELECT ATTRIBUTE_VALUE, VALUETYPE  
     FROM NODE_DISTRIBUTION  
     WHERE VALUETYPE = 11)   
AS t  
FROM LR_PredictIncome.CONTENT  

Esta consulta devuelve dos filas, una del contenido del modelo de minería de datos y la fila de la tabla anidada que contiene el coeficiente. La columna ATTRIBUTE_NAME no se incluye aquí porque siempre está en blanco para el coeficiente.

Volver al principio

Realizar predicciones a partir de un modelo de regresión lineal

Puede crear consultas de predicción en modelos de regresión lineal mediante la pestaña Predicción del modelo de minería de datos en el Diseñador de minería de datos. El generador de consultas de predicción está disponible tanto en SQL Server Management Studio como en SQL Server Data Tools (SSDT).

Volver al principio

Consulta de ejemplo 4: Predicción de ingresos mediante una consulta singleton

La manera más fácil de crear una sola consulta en un modelo de regresión es mediante el cuadro de diálogo Entrada de consulta singleton . Por ejemplo, puede compilar la siguiente consulta DMX seleccionando el modelo de regresión adecuado, eligiendo Consulta única y escribiendo 20 como el valor para Edad.

SELECT [LR_PredictIncome].[Yearly Income]  
From   [LR_PredictIncome]  
NATURAL PREDICTION JOIN  
(SELECT 20 AS [Age]) AS t  

Resultados de ejemplo:

Volver al principio

Consulta de ejemplo 5: Uso de funciones de predicción con un modelo de regresión

Puede usar muchas de las funciones de predicción estándar con modelos de regresión lineal. En el ejemplo siguiente se muestra cómo agregar algunas estadísticas descriptivas a los resultados de la consulta de predicción. A partir de estos resultados, puede ver que hay una desviación considerable de la media para este modelo.

SELECT  
  ([LR_PredictIncome].[Yearly Income]) as [PredIncome],  
  (PredictStdev([LR_PredictIncome].[Yearly Income])) as [StDev1]  
From  
  [LR_PredictIncome]  
NATURAL PREDICTION JOIN  
(SELECT 20 AS [Age]) AS t  

Resultados de ejemplo:

Volver al principio

Lista de funciones de predicción

Todos los algoritmos de Microsoft admiten un conjunto común de funciones. Sin embargo, el algoritmo de regresión lineal de Microsoft admite las funciones adicionales enumeradas en la tabla siguiente.

Para obtener una lista de las funciones que son comunes a todos los algoritmos de Microsoft, consulte Algoritmos de minería de datos (Analysis Services - Minería de datos). Para obtener más información sobre cómo usar estas funciones, consulte la Referencia de funciones de extensiones de minería de datos (DMX).

Véase también

Algoritmo de regresión lineal de Microsoft
Consultas de minería de datos
Referencia técnica del algoritmo de regresión lineal de Microsoft
Contenido del modelo de minería para modelos de regresión lineal (Analysis Services - Minería de datos)