Conteúdo do modelo de mineração para modelos de regressão logística (Analysis Services – Mineração de dados)

Este tópico descreve o conteúdo do modelo de mineração específico para modelos que usam o algoritmo regressão logística da Microsoft. Para obter uma explicação de como interpretar estatísticas e estrutura compartilhadas por todos os tipos de modelo e definições gerais de termos relacionados ao conteúdo do modelo de mineração, consulte Conteúdo do Modelo de Mineração (Analysis Services – Mineração de Dados).

Noções básicas sobre a estrutura de um modelo de regressão logística

Um modelo de regressão logística é criado usando o algoritmo Rede Neural da Microsoft com parâmetros que restringem o modelo para eliminar o nó oculto. Portanto, a estrutura geral de um modelo de regressão logística é quase idêntica à de uma rede neural: cada modelo tem um único nó pai que representa o modelo e seus metadados e um nó de estatísticas marginais especiais (NODE_TYPE = 24) que fornece estatísticas descritivas sobre as entradas usadas no modelo.

Além disso, o modelo contém uma sub-rede (NODE_TYPE = 17) para cada atributo previsível. Assim como em um modelo de rede neural, cada sub-rede sempre contém dois branches: um para a camada de entrada e outro branch que contém a camada oculta (NODE_TYPE = 19) e a camada de saída (NODE_TYPE = 20) para a rede. A mesma subrede poderá ser usada para vários atributos caso sejam especificados como apenas previsão. Atributos previsíveis que também são entradas podem não aparecer na mesma sub-rede.

No entanto, em um modelo de regressão logística, o nó que representa a camada oculta está vazio e não tem filhos. Portanto, o modelo contém nós que representam saídas individuais (NODE_TYPE = 23) e entradas individuais (NODE_TYPE = 21), mas nenhum nó oculto individual.

Por padrão, um modelo de regressão logística é exibido no Visualizador de Rede Neural da Microsoft. Com esse visualizador personalizado, você pode filtrar os atributos de entrada e seus valores e ver graficamente como eles afetam as saídas. As dicas de ferramenta no visualizador mostram a probabilidade e a elevação associadas a cada combinação de entradas e valores de saída. Para obter mais informações, consulte Procurar um modelo usando o Visualizador de Rede Neural da Microsoft.

Para explorar a estrutura das entradas e sub-redes e ver estatísticas detalhadas, você pode usar o visualizador da Árvore de Conteúdo Genérica da Microsoft. Você pode clicar em qualquer nó para expandi-lo e ver os nós filhos, ou visualizar os pesos e outras estatísticas contidas no nó.

Conteúdo do modelo para um modelo de regressão logística

Esta seção fornece detalhes e exemplos apenas para essas colunas no conteúdo do modelo de mineração que têm relevância específica para regressão logística. O conteúdo do modelo é quase idêntico ao de um modelo de rede neural, mas as descrições que se aplicam a modelos de rede neural podem ser repetidas nesta tabela por conveniência.

Para obter informações sobre colunas de uso geral no conjunto de linhas de esquema, como MODEL_CATALOG e MODEL_NAME, que não são descritas aqui ou para obter explicações sobre a terminologia do modelo de mineração, consulte Conteúdo do Modelo de Mineração (Analysis Services – Mineração de Dados).

CATÁLOGO_DE_MODELOS
Nome do banco de dados em que o modelo é armazenado.

MODEL_NAME
Nome do modelo.

ATTRIBUTE_NAME
Os nomes do atributo que corresponde a esse nó.

NODE_NAME
O nome do nó. Atualmente, essa coluna contém o mesmo valor que NODE_UNIQUE_NAME, embora isso possa mudar em versões futuras.

NOME_UNICO_DO_NÓ
O nome exclusivo do nó.

Para obter mais informações sobre como os nomes e as IDs fornecem informações estruturais sobre o modelo, consulte a seção Uso de nomes e IDs de nós.

NODE_TYPE
Um modelo de regressão logística produz os seguintes tipos de nó:

NODE_CAPTION
Um rótulo ou uma legenda associada ao nó. Em modelos de regressão logística, sempre em branco.

CARDINALIDADE_DOS_FILHOS
Uma estimativa do número de filhos que o nó tem.

PARENT_UNIQUE_NAME
O nome exclusivo do pai do nó. NULL é retornado para quaisquer nós no nível raiz.

Para obter mais informações sobre como os nomes e as IDs fornecem informações estruturais sobre o modelo, veja a seção Usando Nomes e IDs de Nó.

NODE_DESCRIPTION
Uma descrição amigável do nó.

NODE_RULE
Uma descrição XML da regra que está inserida no nó.

Regra Marginal
Para modelos de regressão logística, sempre em branco.

PROBABILIDADE_DO_NÓ
A probabilidade associada a esse nó. Para modelos de regressão logística, sempre 0.

Probabilidade Marginal
A probabilidade de atingir o nó a partir do nó pai. Para modelos de regressão logística, sempre 0.

NODE_DISTRIBUTION
Uma tabela aninhada que contém, para o nó, informações estatísticas. Para obter informações detalhadas sobre o conteúdo desta tabela para cada tipo de nó, consulte a seção Compreendendo a Tabela NODE_DISTRIBUTION no Conteúdo do Modelo de Mineração para Modelos de Rede Neural (Analysis Services – Mineração de Dados).

NODE_SUPPORT
Para modelos de regressão logística, sempre 0.

Para obter informações sobre o suporte nos casos de treinamento para valores específicos, consulte o nó de estatísticas marginais.

MSOLAP_MODEL_COLUMN
|Nó|Conteúdo|
|----------|-------------|
|Raiz do modelo|Em branco|
|Estatísticas marginais|Em branco|
|Camada de entrada|Em branco|
|Nó de entrada|Nome do atributo de entrada.|
|Camada oculta|Em branco|
|Camada de saída|Em branco|
|Nó de saída|Nome do atributo de entrada.|

MSOLAP_NODE_SCORE
Em modelos de regressão logística, sempre 0.

MSOLAP_NODE_SHORT_CAPTION
Em modelos de regressão logística, sempre em branco.

Usando nomes de nó e IDs

A nomenclatura dos nós em um modelo de regressão logística fornece informações adicionais sobre as relações entre nós no modelo. A tabela a seguir mostra as convenções para as IDs atribuídas a nós em cada camada.

Você pode usar essas IDs para determinar como os atributos de saída estão relacionados a atributos de camada de entrada específicos, exibindo a tabela NODE_DISTRIBUTION do nó de saída. Cada linha nessa tabela contém uma ID que aponta de volta para um nó de atributo de entrada específico. A tabela NODE_DISTRIBUTION também contém o coeficiente para esse par de entrada-saída.

Consulte Também

Algoritmo de regressão logística da Microsoft
Conteúdo do modelo de mineração para modelos de rede neural (Analysis Services – Mineração de dados)
Exemplos de consulta de modelo de regressão logística
Referência técnica do algoritmo de regressão logística da Microsoft