【導(dǎo)讀】聚類分析模型的挖掘模型內(nèi)容................23. 模型內(nèi)容可能包括回歸公式、規(guī)則和項(xiàng)集的定義或權(quán)重和其他統(tǒng)計(jì)信息，不論使用的是哪種算法，挖掘模型內(nèi)容都是以標(biāo)準(zhǔn)結(jié)構(gòu)呈現(xiàn)的。構(gòu)行集的任意客戶端創(chuàng)建針對該挖掘模型內(nèi)容的查詢。有關(guān)詳細(xì)信息，請參閱使。容所通用的節(jié)點(diǎn)類型，并提供了關(guān)于如何解釋這些信息的指南。每個(gè)模型的內(nèi)容均顯示為一系列“節(jié)點(diǎn)”。節(jié)點(diǎn)是挖掘模型內(nèi)的對象，包含該模。型某一部分的元數(shù)據(jù)或信息。層次結(jié)構(gòu)中節(jié)點(diǎn)的準(zhǔn)確排列。同的含義，包含不同的內(nèi)容，具體取決于算法以及數(shù)據(jù)的深度和復(fù)雜性。的ID以及該節(jié)點(diǎn)具有的子節(jié)點(diǎn)數(shù)量。支持特定的預(yù)測值的定型數(shù)據(jù)中的事例計(jì)數(shù)。統(tǒng)計(jì)信息，如平均值、標(biāo)準(zhǔn)偏差或方差。息的方式不同，因此每個(gè)模型僅生成幾種特定類型的節(jié)點(diǎn)。3Interior樹中的內(nèi)部拆分節(jié)點(diǎn)。4Distribution樹的終端節(jié)點(diǎn)。有關(guān)輸入屬性狀態(tài)的統(tǒng)計(jì)信息。序列分類的Markov模型組件的頂端節(jié)點(diǎn)。對應(yīng)于可預(yù)測時(shí)序的時(shí)序樹的根節(jié)點(diǎn)。適用于神經(jīng)網(wǎng)絡(luò)模型。

　　

【正文】 MSOLAP_NODE_SHORT_CAPTION 用于顯示的標(biāo)簽。 注釋 決策 樹模型沒有用于存儲(chǔ)整個(gè)模型的統(tǒng)計(jì)信息的單獨(dú)節(jié)點(diǎn)，這與 Naive Bayes 或神經(jīng)網(wǎng)絡(luò)模型中的邊際統(tǒng)計(jì)信息節(jié)點(diǎn)不同。 該模型為每個(gè)可預(yù)測屬性創(chuàng)建一個(gè)單獨(dú)的樹，樹的頂部為 “( 全部 )” 節(jié)點(diǎn)。 每個(gè)樹獨(dú)立于其他樹。 如果模型僅包含一個(gè)可預(yù)測屬性，則只有一個(gè)樹，因此只有一個(gè) “( 全部 )” 節(jié)點(diǎn)。 表示輸出屬性的每個(gè)樹還進(jìn)一步細(xì)分為表示拆分的內(nèi)部分支 (NODE_TYPE = 3)。 其中的每個(gè)樹都包含有關(guān)目標(biāo)屬性的分布的統(tǒng)計(jì)信息。 此外，每個(gè)葉節(jié)點(diǎn) (NODE_TYPE = 4) 包含說明輸入屬性及其值以及支持每個(gè)屬 性值對的事例數(shù)目的統(tǒng)計(jì)信息。 因此，在決策樹的任何分支中，可以方便地查看數(shù)據(jù)的概率或分布，而不需要查詢源數(shù)據(jù)。 樹的每個(gè)級別必須表示其直接子節(jié)點(diǎn)的總和。 有關(guān)如何檢索這些統(tǒng)計(jì)信息的示例，請參閱 查詢決策樹模型（ Analysis Services 數(shù)據(jù)挖掘） 4。 33 決策樹結(jié)構(gòu)示例： 若要了解決策樹的工作原理，請?jiān)O(shè)想一個(gè)示例，例如 AdventureWorks 自行車購買者方案。 假定可預(yù)測屬性是客戶購買情況，決策樹算法嘗試在提供的所有輸入中找出一列數(shù)據(jù)，該列數(shù)據(jù)可最有效地檢測出可能購買和不可能購買自行車的客戶。 例如，該模型可能會(huì)發(fā)現(xiàn)年齡是購買行為的最佳指標(biāo)。 具體來說， 30 歲以上的客戶很可能購買自行車，而所有其他客戶則不大可能購買自行車。 在這種情況下，該模型在 Age 屬性上創(chuàng)建一個(gè) “ 拆分 ” 。 這表示樹將劃分成兩個(gè)分支，其中 一個(gè)分支包含 30 歲以上的客戶，而另一個(gè)分支包含 30 歲以下的客戶。 新分支在模型結(jié)構(gòu)中表示為兩個(gè)新的內(nèi)部樹 (NODE_TYPE = 3)。 對于每個(gè)分支，該模型繼續(xù)查找用于區(qū)分客戶的其他屬性。 如果數(shù)據(jù)中的證據(jù)不足以對客戶繼續(xù)創(chuàng)建子組，該模型則停止生成樹。 當(dāng)節(jié)點(diǎn)中的事例數(shù)太少而無法繼續(xù)生成樹時(shí)，該模型也會(huì)停止生成樹，而不管拆分是如何的好，或者值是否為 Null 或 missing。 通過盡早地停止樹的生長，可以防止模型被定型的與特定數(shù)據(jù)集的過度接近。 每個(gè)內(nèi)部樹節(jié)點(diǎn)都包含葉節(jié)點(diǎn)，這些葉節(jié)點(diǎn)根據(jù)當(dāng) 前分類結(jié)果提供結(jié)果明細(xì)。 例如，您可能具有表示 Age = 30 且 Gender = Male 的內(nèi)部節(jié)點(diǎn)。 該組的節(jié)點(diǎn)顯示該類別中有多少客戶已購買或尚未購買產(chǎn)品。 例如，分類可能包含以下樹拆分： 內(nèi)部樹 拆分 Age = 30 Age = 30 且 Gender = Male Age = 30 且 Gender = Female Age 30 Age 30 且 Gender = Male Age 30 且 Gender = Female 當(dāng)使用決策樹模型進(jìn)行預(yù)測時(shí)，該模 型將為其提供的屬性用作參數(shù)，并沿著屬性的路徑向下通過整個(gè)樹。 通常，所有預(yù)測都轉(zhuǎn)到葉，而內(nèi)部節(jié)點(diǎn)僅用于分類。 34 葉節(jié)點(diǎn)的 NODE_TYPE 始終為 4（分布），并包含一個(gè)直方圖，指示基于提供的屬性的每個(gè)結(jié)果（購買或不購買）的概率。 例如，如果您要求對一名 60 歲以上的新男性客戶進(jìn)行預(yù)測，該模型將查找對應(yīng)的節(jié)點(diǎn)（ Age 30 且 Gender = Male），然后返回指定結(jié)果的概率。 這些概率存儲(chǔ)在節(jié)點(diǎn)的 NODE_DISTRIBUTION 表中。 如果可預(yù)測屬性是連續(xù)數(shù)字，該算法則嘗試創(chuàng)建對可預(yù)測屬性和輸入之間的關(guān)系進(jìn)行建模的回歸公式。 節(jié)點(diǎn)標(biāo)題和節(jié)點(diǎn)說明 在決策樹模型中，節(jié)點(diǎn)標(biāo)題和節(jié)點(diǎn)說明包含類似信息。 但是，越接近葉節(jié)點(diǎn)，節(jié)點(diǎn)說明越完整，并且包含的信息越多。 節(jié)點(diǎn)標(biāo)題和節(jié)點(diǎn)說明是已本地化的字符串。 NODE_CAPTION 顯示區(qū)分相對于父節(jié)點(diǎn)的特定節(jié)點(diǎn)的屬性。 節(jié)點(diǎn)標(biāo)題基于拆分條件定義總體 的子段。 例如，如果拆分基于 [Age] 且是三向拆分，這三個(gè)子節(jié)點(diǎn)的節(jié)點(diǎn)標(biāo)題可能為 “[Age] 40” 、 “40 = [Age] 50” 和 “[Age] = 50” 。 NODE_DESCRIPTION 包含將該節(jié)點(diǎn)與其他節(jié)點(diǎn)（從模型父節(jié)點(diǎn)開始）區(qū)分開來的屬性的完整列表。 例如， Product name = Apple 且 Color = Red。 節(jié)點(diǎn)規(guī)則和邊際規(guī)則 NODE_RULE 和 MARGINAL_RULE 列包含的信息與 NODE_CAPTION 和 NODE_DESCRIPTION 列相同，但將這些信息表示為 XML 片段。 節(jié)點(diǎn)規(guī)則是 XML 版本的完整路徑，而邊際規(guī)則指示最新拆分。 XML 片段可以表示簡單或復(fù)雜的屬性。 簡單屬性包含模型列的名稱以及屬性的值。 如果模型列包含嵌套表，嵌套表屬性則表示為串聯(lián)在一起的表名稱、鍵值和屬性。 注意 SQL ServerAnalysis Services 支持 版本的 PMML 標(biāo)準(zhǔn)，并帶有支持使用嵌套表的擴(kuò)展插件。 如果數(shù)據(jù)包含嵌套表，并且生成 PMML 版本的模型，則模型中包括謂詞的所有元素均被標(biāo)記為擴(kuò)展。 35 離 散屬性的節(jié)點(diǎn)分布 在決策樹模型中， NODE_DISTRIBUTION 表包含有用的統(tǒng)計(jì)信息。 但是，統(tǒng)計(jì)信息的類型取決于樹是預(yù)測離散屬性還是預(yù)測連續(xù)屬性。 此部分說明離散屬性的節(jié)點(diǎn)分布統(tǒng)計(jì)信息的含義。 屬性名稱和屬性值 在分類樹中，屬性名稱始終包含可預(yù)測列的名稱。 該值指示樹預(yù)測的內(nèi)容。 由于單個(gè)樹始終表示單個(gè)可預(yù)測屬性，因此該值在整個(gè)樹中重復(fù)。 對于離散數(shù)據(jù)類型，屬性值字段列出可預(yù)測列的可能值以及 Missing 值。 支持 每個(gè)節(jié)點(diǎn)的支持值指示該節(jié)點(diǎn)包括的事例數(shù)。 在 “( 全部 )” 級別，將顯示用于定型模型 的事例的完整計(jì)數(shù)。 對于樹中的每個(gè)拆分，支持值是分組到樹的該節(jié)點(diǎn)中的事例計(jì)數(shù)。 葉節(jié)點(diǎn)中的事例總和必須等于樹的父節(jié)點(diǎn)中的事例計(jì)數(shù)。 對于表示連續(xù)屬性的節(jié)點(diǎn)，數(shù)據(jù)中存在 Null 值可能產(chǎn)生某些不夠直觀的結(jié)果。 例如，如果存在 m 個(gè)事例，平均值則計(jì)為 sum(all cases)/n，其中 n 是小于 m 的數(shù)字， mn 則為 Missing 值的事例的計(jì)數(shù)。 支持也表示為 n。 概率 與每個(gè)節(jié)點(diǎn)關(guān)聯(lián)的概率指示整個(gè)數(shù)據(jù)集中的任一事例終結(jié)于該特定節(jié)點(diǎn)的概率。 將針對整個(gè)樹和直接拆分計(jì)算概率分?jǐn)?shù)。 例如，下 表顯示了一個(gè)具有 100 個(gè)事例的非常簡單的模型。 內(nèi)部樹 事例 葉節(jié)點(diǎn) 事例 相對于父節(jié)點(diǎn)的概率 相對于頂端節(jié)點(diǎn)的概率 Age = 30 60 Age = 30 且 Gender = Male 50 50/60 = .83 50/100 = .5 Age = 30 且 Gender = Female 10 10/60 = .16 10/100 = .10 Age 30 40 Age 30 且 Gender = Male 30 30/40 = .75 30/100 = .30 Age 30 且 Gender = Female 10 10/40 = .25 10/100 = .10 36 在所有模型中進(jìn)行小幅調(diào)整，以便將可能的 Missing 值的情況考慮在內(nèi)。 對于連續(xù)屬性，每個(gè)值或值范圍均以狀態(tài)（例如， Age Age = 30 和 Age 30）表示，并且概率的計(jì)算方法如下：狀態(tài)存在（值 = 1）、存在某些其他狀態(tài)（值 = 0）、狀態(tài)為 Missing。 有關(guān)如何調(diào)整概率以表示 Missing 值的詳細(xì)信息，請參閱 缺少值（ Analysis Services – 數(shù)據(jù)挖掘） 5。 每個(gè)節(jié)點(diǎn)的概率幾乎是通過分布情況直接計(jì)算出的，如下所示： 概率 =（對狀態(tài)的支持 + 對先前狀態(tài)的支持） /（節(jié)點(diǎn)支持加上對先前節(jié)點(diǎn)的支持） Analysis Services 使用每個(gè)節(jié)點(diǎn)的概率比較存儲(chǔ)概率和以前的概率，以便確定從父節(jié)點(diǎn)到子節(jié)點(diǎn)的路徑是否指示較強(qiáng)的推斷。 作出預(yù)測時(shí)，必須使用節(jié)點(diǎn)的概率平衡分布的概率，從而使概率平滑。 例如，如果樹中的 拆分按 9000/1000 的比率分隔事例，則該樹很不平衡。 這會(huì)導(dǎo)致來自較小分支的預(yù)測和來自含有多個(gè)事例的分支的預(yù)測具有不同的權(quán)重。 方差 方差是在給定預(yù)期分布中，示例中的值的偏離程度的度量值。 對于離散值，根據(jù)定義方差為 0。 有關(guān)如何計(jì)算連續(xù)值的方差的詳細(xì)信息，請參閱 線性回歸模型的挖掘模型內(nèi)容（ Analysis Services 數(shù)據(jù)挖掘） 6。 值類型 值類型列提供在 NODE_DISTRIBUTION 表的其他列中提供的數(shù)值的含義的相關(guān)信息。 您可以在查詢中使用值類型，以便檢索嵌套表的特定行。 例如，請參閱 查詢決策樹模型（ Analysis Services 數(shù)據(jù)挖掘） 4。 在分類樹中使用 MiningValueType7 枚舉中的以下類型。 值類型 說明 1 (Missing) 指示與 Missing 值相關(guān)的計(jì)數(shù)、概率或其他統(tǒng)計(jì)信息。 4（離散） 指示與離散或離散化值相關(guān)的計(jì)數(shù)、概率或其他統(tǒng)計(jì)信息。 37 如果該模型包含連續(xù)可預(yù)測屬性，樹還可以包含回歸公式獨(dú)有的值類型。 有關(guān)在回歸樹中使用的值類型的列表，請參閱 線性回歸模型的挖掘模型內(nèi)容（ Analysis Services 數(shù)據(jù)挖掘） 6。 節(jié)點(diǎn)分?jǐn)?shù) 節(jié)點(diǎn)分?jǐn)?shù)表示樹的每個(gè)級別的稍有不同的信息。 通常，分?jǐn)?shù)是指示基于條件進(jìn)行拆分的拆分性能的數(shù)值。 該值表示為一個(gè)雙精度值，值越大，性能越好。 根據(jù)定義，模型節(jié)點(diǎn)和所有葉節(jié)點(diǎn)的節(jié)點(diǎn)分?jǐn)?shù)為 0。 對于表示每個(gè)樹的頂部的 “( 全部 )” 節(jié)點(diǎn)， MSOLAP_NODE_SCORE 列包含整個(gè)樹中的最佳拆分分?jǐn)?shù)。 對于樹中的所有其他節(jié)點(diǎn)（葉節(jié)點(diǎn)除外）， 每個(gè)節(jié)點(diǎn)的分?jǐn)?shù)表示當(dāng)前節(jié)點(diǎn)的最佳拆分分?jǐn)?shù)減去父節(jié)點(diǎn)的拆分分?jǐn)?shù)。 通常，父節(jié)點(diǎn)的拆分分?jǐn)?shù)應(yīng)始終優(yōu)于其任一子節(jié)點(diǎn)的拆分分?jǐn)?shù)。 這是因?yàn)樵诶硐肭闆r下，決策樹模型首先在最重要的屬性上拆分。 有多種方式計(jì)算拆分分?jǐn)?shù)，具體選擇哪種方式取決于您選擇的算法參數(shù)。 有關(guān)如何針對每種評分方法計(jì)算分?jǐn)?shù)的討論不屬于本主題的討論范圍。 有關(guān)詳細(xì)信息，請參閱 Microsoft 研究網(wǎng)站上的 “ Learning Bayesian Networks: The Combination of Knowledge and Statistical Data8” （了解 Bayesian 網(wǎng)絡(luò)：知識(shí)與統(tǒng)計(jì)數(shù)據(jù)的組合）。 注意 如果創(chuàng)建的決策樹模型同時(shí)具有連續(xù)可預(yù)測屬性和離散可預(yù)測屬性，表示每個(gè)樹類型的 “( 全部 )” 節(jié)點(diǎn)中將顯示完全不同的分?jǐn)?shù)。 應(yīng)單獨(dú)考慮每個(gè)模型，并且對回歸評分所使用的方法完全不同于對分類評分所使用的方法。 無法比較節(jié)點(diǎn)分?jǐn)?shù)值。 決 策樹模型中的回歸節(jié)點(diǎn) 如果決策樹模型包含帶有連續(xù)數(shù)值數(shù)據(jù)的可預(yù)測屬性，則 Microsoft 決策樹算法查找被預(yù)測狀態(tài)和輸入變量之間存在線性關(guān)系的區(qū)域。 如果算法成功找到線性關(guān)系，則將創(chuàng)建表示線性回歸的特殊樹 (NODE_TYPE = 25)。 這些回歸樹節(jié)點(diǎn)比表示離散值的節(jié)點(diǎn)更復(fù)雜。 38 通常，回歸映射連續(xù)依賴項(xiàng)（可預(yù)測變量）中的更改作為輸入中的更改函數(shù)。 如果依賴變量具有任何連續(xù)輸入，并且輸入和預(yù)測值之間的關(guān)系非常穩(wěn)定，足以將其作為線形圖計(jì)算，那么， 回歸節(jié)點(diǎn)則包含一個(gè)公式。 但是，如果輸入和預(yù)測值之間是 “ 非線性 ” 關(guān)系，則轉(zhuǎn)而創(chuàng)建拆分，這與標(biāo)準(zhǔn)決策樹類似。 例如，假定 A 是可預(yù)測屬性， B 和 C 是輸入，其中 C 是連續(xù)值類型。 如果 A 和 C 之間的關(guān)系在部分?jǐn)?shù)據(jù)中相當(dāng)穩(wěn)定，而在其他數(shù)據(jù)中不穩(wěn)定，該算法將創(chuàng)建拆分以便表示數(shù)據(jù)的不同區(qū)域。 拆分條件 節(jié)點(diǎn)結(jié)果 如果 n 5 關(guān)系可以以公式 1 表示 如果 n 介于 5 和 10 之間 無公式 如果 n 10 關(guān)系可以以公式 2 表示 有關(guān)回歸節(jié)點(diǎn)的詳細(xì)信息，請參閱 線性回歸模型的挖掘模型內(nèi)容（ Analysis Services 數(shù)據(jù)挖掘） 6。 請參閱 概念 挖掘模 型內(nèi)容（ Analysis Services 數(shù)據(jù)挖掘） 1 查詢數(shù)據(jù)挖掘模型（ Analysis Services – 數(shù)據(jù)挖掘） 9 Microsoft 決策樹算法 10 其他資源 查看數(shù)據(jù)挖掘模型 11 39 線性回歸模型的挖掘模型內(nèi)容（ Analysis Services 數(shù)據(jù)挖掘） SQL Server 2020 R2 本主題講述使用 Microsoft 線性回歸算法的模型特有的挖掘模型內(nèi)容。 有關(guān)所有模型類型的挖掘模型內(nèi)容的一般說明，請參閱 挖掘 模型內(nèi)容（ Analysis Services 數(shù)據(jù)挖掘） 1。 了解線性回歸模型的結(jié)構(gòu) 線性回歸模型的結(jié)構(gòu)非常簡單。 每個(gè)模型均具有表示該模型及其元數(shù)據(jù)的單