Miningmodellinhalt (Analysis Services - Data Mining)

In der folgenden Tabelle werden die verschiedenen Knotentypen aufgeführt, die in Data Mining-Modellen ausgegeben werden. Da jeder Algorithmus Informationen anders verarbeitet, generiert jedes Modell nur ganz bestimmte Knotentypen. Wenn Sie den Algorithmus ändern, ändern sich möglicherweise auch die Knotentypen. Auch der Inhalt der Knoten kann sich ändern, wenn Sie das Modell erneut verarbeiten.

Hinweis
Wenn Sie einen anderen Data Mining-Dienst verwenden als in SQL Server 2008 Analysis Services bereitgestellt, oder wenn Sie Ihre eigenen Algorithmus-Plug-Ins erstellen, dann stehen möglicherweise weitere benutzerdefinierte Knotentypen zur Verfügung.

Der Stammknoten jedes Modells hat immer 0 als eindeutige ID (NODE_UNIQUE_NAME). Alle Knoten-IDs werden automatisch von Analysis Services zugewiesen und können nicht geändert werden.

Der Stammknoten für jedes Modell enthält auch einige grundlegende Metadaten über das Modell. Diese Metadaten umfassen die Analysis Services-Datenbank, in der das Modell gespeichert ist (MODEL_CATALOG), das Schema (MODEL_SCHEMA) und der Name des Modells (MODEL_NAME). Diese Informationen werden in jedem Knoten des Modells angezeigt, d. h. Sie müssen nicht den Stammknoten abfragen, um diese Metadaten abzurufen.

Zusätzlich zu dem Namen, der als eindeutige ID dient, verfügt jeder Knoten über einen Namen (NODE_NAME). Dieser Name wird automatisch vom Algorithmus für Anzeigezwecke erstellt und kann nicht bearbeitet werden.

Hinweis
Mit dem Microsoft Clustering-Algorithmus können Benutzer jedem Cluster einen Anzeigenamen zuweisen. Diese Anzeigenamen werden jedoch nicht auf dem Server beibehalten, und wenn Sie das Modell erneut verarbeiten, werden vom Algorithmus neue Clusternamen erstellt.

Beschriftung und Beschreibung für jeden Knoten werden automatisch vom Algorithmus erstellt und dienen als Beschreibungshilfe, um den Inhalt eines Knotens besser verstehen zu können. Der für jedes Feld generierte Text hängt vom Modelltyp ab. In einigen Fällen können der Name, die Beschriftung und die Beschreibung genau dieselbe Zeichenfolge enthalten. In anderen Modellen wiederum kann die Beschreibung jedoch zusätzliche Informationen enthalten. Details zur Implementierung finden Sie im Abschnitt zu den einzelnen Modelltypen.

Hinweis
Der Analysis Services-Server unterstützt die Umbenennung von Knoten nur dann, wenn Sie die Knoten mit einem benutzerdefinierten Plug-In-Algorithmus erstellen, der die Möglichkeit zur Umbenennung implementiert. Um das Umbenennung zu aktivieren, müssen Sie die Methoden außer Kraft setzen, wenn Sie den Plug-In-Algorithmus erstellen.

Die Beziehung zwischen über- und untergeordneten Knoten in einer Baumstruktur wird durch den Wert in der PARENT_UNIQUE_NAME-Spalte festgelegt. Dieser Wert wird im untergeordneten Knoten gespeichert und informiert Sie über die ID des übergeordneten Knotens. Es folgen nun einige Beispiele dafür, wie diese Informationen verwendet werden können:

• Ein PARENT_UNIQUE_NAME, der NULL ist, bedeutet, dass der Knoten der oberste Knoten des Modells ist.

• Wenn der Wert von PARENT_UNIQUE_NAME 0 ist, bedeutet dies, dass der Knoten dem obersten Knoten des Modells direkt untergeordnet sein muss. Das liegt daran, dass die ID des Stammknotens immer 0 ist.

• Sie können Funktionen innerhalb einer Data Mining-Erweiterung (DMX)-Abfrage verwenden, um unter- oder übergeordnete Knoten eines bestimmten Knotens zu finden. Weitere Informationen zur Verwendung von Funktionen in Abfragen finden Sie unter Abfragen von Data Mining-Modellen (Analysis Services - Data Mining).

Kardinalität verweist auf die Anzahl der Elemente in einem Satz. Im Kontext eines verarbeiteten Miningmodells sagt die Kardinalität aus, wie viele direkt untergeordnete Elemente ein bestimmter Knoten hat. Wenn z. B. ein Entscheidungsstrukturmodell über einen Knoten für [Jahreseinkommen] und dieser Knoten wiederum über zwei untergeordnete Knoten verfügt, einen für die Bedingung [Jahreseinkommen] = Hoch und einen für die Bedingung [Jahreseinkommen] = Niedrig, dann wäre der Wert von CHILDREN_CARDINALITY für den Knoten [Jahreseinkommen] 2.

Hinweis

In Analysis Services werden nur die unmittelbar untergeordneten Knoten beim Berechnen der Kardinalität eines Knoten gezählt. Wenn Sie jedoch einen benutzerdefinierten Plug-In-Algorithmus erstellen, können Sie CHILDREN_CARDINALITY überladen, um die Kardinalität anders zu zählen. Die ist beispielsweise dann sinnvoll, wenn Sie die Gesamtzahl der untergeordneten Knoten bestimmten möchten und nicht nur die direkt untergeordneten Knoten.

Auch wenn die Kardinalität für alle Modelle auf dieselbe Weise gezählt wird, hängt die Interpretation oder die Verwendung des Kardinalitätswerts davon ab, welchen Modelltyp Sie verwenden. Beispielsweise gibt die Kardinalität des obersten Knotens in einem Clusteringmodell Aufschluss darüber, wie viele Muster insgesamt gefunden wurden. In anderen Modelltypen hat die Kardinalität möglicherweise immer einen festgelegten Wert, der vom Knotentyp abhängig ist. Weitere Informationen zum Interpretieren von Kardinalitätswerten finden Sie in den Abschnitten zu den einzelnen Modelltypen.

Hinweis
Einige Modelle, z. B. solche, die mithilfe des Microsoft Neural Network-Algorithmus erstellt wurden, enthalten zusätzlich einen besonderen Knotentyp mit beschreibenden Statistiken über die Trainingsdaten für das gesamte Modell. Definitionsgemäß verfügen diese Knoten nie über untergeordnete Knoten.

Die NODE_DISTRIBUTION-Spalte enthält eine geschachtelte Tabelle, die in vielen Knoten wichtige und detaillierte Informationen zu den vom Algorithmus entdeckten Mustern bereitstellt. Die genauen Statistiken in dieser Tabelle hängen ab vom Modelltyp, der Position des Knotens in der Struktur, und davon, ob es sich bei dem vorhersagbaren Attribut um einen fortlaufenden numerischen Wert oder um einen diskreten Wert handelt. Die Statisken geben Auskunft zu den Mindest- und Höchst-Werten eines Attributs, zu Werte-Gewichtungen, zur Anzahl der Fälle in einem Knoten, zu den in einer Regressionsformel verwendeten Koeffizienten sowie zu statistischen Maßen wie Standardabweichung und Varianz. Weitere Informationen zur Interpretation der Knotenverteilung finden Sie im Abschnitt zum jeweiligen Modelltyp.

Hinweis
Die Tabelle NODE_DISTRIBUTION ist möglicherweise leer. Dies ist abhängig vom Knotentyp. So dienen bestimmte Knoten nur zur Organisation einer Sammlung untergeordneter Knoten. Diese untergeordneten Knoten enthalten dann die ausführlichen Statistiken.

Die geschachtelte Tabelle NODE_DISTRIBUTION enthält immer die folgenden Spalten. Der Inhalt jeder Spalte hängt vom Modelltyp ab. Weitere Informationen über bestimmte Modelltypen finden Sie unter Miningmodellinhalt nach Algorithmustyp.

• ATTRIBUTE_NAME
  Der Inhalt ist vom Algorithmus abhängig. Dabei kann es sich um den Namen einer Spalte, z. B. ein vorhersagbares Attribut, eine Regel, ein Itemset oder eine Algorithmus-interne Information handeln, z. B. einen Teil einer Formel.

  Diese Spalte kann auch ein Attribut-Wert-Paar enthalten.

• ATTRIBUTE_VALUE
  Wert des Attributs, das mit ATTRIBUTE_NAME benannt ist.

  Wenn mit dem Attributnamen eine Spalte bezeichnet wird, dann enthält ATTRIBUTE_VALUE im einfachsten Fall einen der diskreten Werte für diese Spalte.

  Je nachdem wie der Algorithmus Werte verarbeitet, kann ATTRIBUTE_VALUE auch ein Flag enthalten, aus dem hervorgeht, ob für das Attribute ein Wert vorhanden ist (Existing) oder ob der Wert NULL beträgt (Missing).

  In einem Modell, das z. B. dazu dient, Kunden ausfindig zu machen, die ein bestimmtes Produkt mindestens einmal gekauft haben, kann die ATTRIBUTE_NAME-Spalte das Attribut-Wert-Paar enthalten, das das gewünschte Element definiert, z. B. Model = 'Water bottle'. Die ATTRIBUTE_VALUE-Spalte würde nur das Schlüsselwort Existing bzw. Missing enthalten.

• SUPPORT
  Anzahl der Fälle, die über dieses Attribut-Wert-Paar verfügen oder dieses Itemset bzw. diese Regel enthalten.

  In der Regel gibt der Unterstützungswert eines Knotens Aufschluss darüber, wie viele Fälle aus dem Trainingssatz im aktuellen Knoten enthalten sind. In den meisten Modelltypen gibt der Unterstütztungswert eine genaue Anzahl von Fällen an. Unterstützungswerte sind insofern nützlich, als dass sie Einsicht in die Verteilung der Daten innerhalb Ihrer Trainingsfälle erlauben, ohne dass dazu die Trainingsdaten abgefragt werden müssen. Der Analysis Services-Server verwendet diese gespeicherten Daten außerdem für einen Vergleich der gespeicherten Wahrscheinlichkeit mit der vorherigen Wahrscheinlichkeit, um so festzustellen, ob die Inferenz stark oder schwach ist.

  So zeigt z. B. in einer Klassifizierungsstruktur der Unterstützungswert die Anzahl der Fälle an, die über die beschriebene Kombination von Attributen verfügen.

  In einer Entscheidungsstruktur wird die Summe der Unterstützungswerte auf jeder Ebene einer Struktur zu den Unterstützungswerten des übergeordneten Knotens hinzuaddiert. Wenn z. B. ein Modell 1200 Fälle enthält und erst nach Geschlecht und dann wiederum nach Einkommen (Werte: Niedrig, Mittel, Hoch) gleichmäßig unterteilt ist, dann beläuft sich die Summe der untergeordneten Knoten von Knoten (2) – also der Knoten (4), (5) und (6) – immer auf die Anzahl der Fälle von Knoten (2).

  Knoten-ID und Knotenattribute	Unterstützte Anzahl
  (1) Modellstamm	1200
  (2) Geschlecht = Männlich (3) Geschlecht = Weiblich	600 600
  (4) Geschlecht = Männlich und Einkommen = Hoch (5) Geschlecht = Männlich und Einkommen = Mittel (6) Geschlecht = Männlich und Einkommen = Niedrig	200 200 200
  (7) Geschlecht = Weiblich und Einkommen = Hoch (8) Geschlecht = Weiblich und Einkommen = Mittel (9) Geschlecht = Weiblich und Einkommen = Niedrig	200 200 200

  Bei einem Clusteringmodell kann die Anzahl für die Unterstützung gewichtet werden, um die Wahrscheinlichkeit der Zugehörigkeit zu mehreren Clustern zu berücksichtigen. Die Mitgliedschaft zu mehreren Clustern ist die Standardclustermethode. In diesem Szenario, in dem nicht jeder Fall notwendigerweise nur zu einem Cluster gehört, und in einem solchen Modell entspricht die Summe der Unterstützungswerte für alle Cluster möglichweise nicht 100 %.

• PROBABILITY
  Gibt die Wahrscheinlichkeit für diesen bestimmten Knoten innerhalb des gesamten Modells an.

  Allgemein steht die Wahrscheinlichkeit für die Unterstützung dieses bestimmten Werts, geteilt duch die Gesamtzahl der Fälle innerhalb des Knotens (NODE_SUPPORT).

  Jedoch wird die Wahrscheinlichkeit leicht angepasst, um eine Verschiebung durch fehlende Werte in den Daten auszuschließen.

  Wenn z. B. die aktuellen Werte für [Anzahl Kinder] 'Eins' und 'Zwei' sind, möchten Sie die Erstellung eines Modells vermeiden, das die Vorhersage trifft, dass es nicht möglich sei, keine Kinder oder auch drei Kinder zu haben. Um sicherzustellen, dass fehlende Werte zwar unwahrscheinlich aber nicht unmöglich sind, addiert der Algorithmus den Ergebnissen der Zählung der aktuellen Werte eines jeden Attributs den Wert 1 hinzu.

  Beispiel:

  Wahrscheinlichkeit von [Anzahl Kinder = Eins] = [Anzahl der Fälle, in denen Anzahl Kinder = Eins] + 1/[Anzahl aller Fälle] + 3

  Wahrscheinlichkeit von [Anzahl Kinder = Zwei] = [Anzahl der Fälle, in denen Anzahl Kinder = Zwei] + 1/[Anzahl aller Fälle] + 3

  Hinweis
  Die Anpassung von 3 wird berechnet, indem der Gesamtzahl der vorhandenen Werte n 1 hinzugefügt wird.

  Nach der Anpassung ist die Summe der Wahrscheinlichkeiten aller Werte immer noch 1. Die Wahrscheinlichkeit für den Wert ohne Daten (in diesem Beispiel [Anzahl Kinder = 'Null', 'Drei' oder ein beliebiger anderer Wert]) beginnt bei einem Wert sehr nahe bei NULL und steigt mit zunehmender Anzahl von Fällen langsam an.

• VARIANCE
  Gibt die Varianz der Werte innerhalb des Knotens an. Für diskrete Werte ist die Varianz definitionsgemäß 0. Wenn das Modell fortlaufende Werte unterstützt, wird die Varianz als σ (sigma) berechnet. Dazu wird der Nenner n oder die Anzahl der Fälle im Knoten verwendet.

  Für die Darstellung der Standardabweichung (StDev) werden im Allgemein zwei Definitionen herangezogen. Eine dieser Methoden zur Berechnung der Standardabweichung berücksichtigt die Verschiebung, die andere nicht. Im Allgemeinen wird bei der Berechnung der Standardabweichung durch Microsoft-Data Mining-Algorithmen die Verschiebung nicht berücksichtigt.

  Bei dem Wert, der in der NODE_DISTRIBUTION-Tabelle aufgeführt wird, handelt es sich um den Ist-Wert für alle diskreten und diskretisierten Attribute bzw. den Mittelwert für fortlaufende Werte.

• VALUE_TYPE
  Gibt den Datentyp des Werts oder eines Attributs und die Verwendung des Werts an. Bestimmte Werttypen gelten nur für bestimmte Modelltypen:

  VALUE_TYPE-ID	Wertebezeichnung	Wertetypname
  1	Fehlend	Gibt an, dass die Falldaten keinen Wert für dieses Attribut enthalten haben. Der Missing-Zustand wird getrennt von Attributen berechnet, die über Werte verfügen.
  2	Vorhanden	Gibt an, dass die Falldaten einen Wert für dieses Attribut enthalten.
  3	Kontinuierlich	Gibt an, dass es sich bei dem Wert des Attributs um einen fortlaufenden numerischen Wert handelt, der deshalb als Mittelwert dargestellt werden kann (gemeinsam mit der Varianz und der Standardabweichung).
  4	Diskret	Gibt einen Wert an, entweder numerisch oder Text, der als diskret behandelt wird. Hinweis   Diskrete Werte können auch fehlen; bei Berechnungen wird jedoch anders mit ihnen umgegangen. Weitere Informationen finden Sie unter Fehlende Werte (Analysis Services - Data Mining).
  5	Diskretisiert	Gibt an, dass das Attribut numerische Werte enthält, die diskretisiert wurden. Der Wert ist eine formatierte Zeichenfolge, die die Diskretisierungsbuckets beschreibt.
  6	Vorhanden	Gibt an, dass das Attribut über fortlaufende numerische Werte verfügt und dass Werte in den Daten vorliegen, im Gegensatz zu Werten, die fehlen oder abgeleitet sind.
  7	Koeffizient	Gibt einen numerischen Wert an, der einen Koeffizienten darstellt. Ein Koeffizient ist ein Wert, der beim Berechnen des Werts der abhängigen Variable verwendet wird. Beispielsweise wird in einem Modell, das Regressionsformeln erstellt, um das Einkommen auf der Grundlage des Alters vorauszuberechnen, der Koeffizient in der Formel verwendet, die Alter und Einkommen miteinander in Beziehung setzt.
  8	Ergebnisgewinn	Gibt einen numerischen Wert an, der den Ergebnisgewinn eines Attributs darstellt.
  9	Statistik	Gibt einen numerischen Wert an, der eine Statistik für einen Regressor darstellt.
  10	Eindeutiger Knotenname	Gibt an, dass der Wert weder als numerischer Wert noch als Zeichenfolge behandelt werden soll, sondern als der eindeutige Bezeichner eines anderen Inhaltsknotens in einem Model. In einem neuronalen Netzwerkmodell beispielsweise verweisen IDs von Knoten in der Ausgabeebene auf Knoten in der verborgenen Ebene bzw. von Knoten in der verborgenen Ebene auf Knoten in der Eingabeebene.
  11	Konstantes Glied	Gibt einen numerischen Wert an, der das konstante Glied in einer Regressionsformel darstellt.
  12	Periodizität	Gibt an, dass der Wert eine periodische Struktur in einem Modell kennzeichnet. Gilt für nur Zeitreihenmodelle, die ein ARIMA-Modell enthalten. Hinweis Der Microsoft Time Series-Algorithmus erkennt automatisch periodische Strukturen auf Grundlage der Trainingsdaten. Dies hat zum Ergebnis, dass die Periodizitäten im endgültigen Modell möglicherweise Periodizitätswerte enthalten, die Sie beim Erstellen des Modells nicht in Form von Parametern angegeben haben.
  13	Autoregressive Reihenfolge	Gibt an, dass der Wert die Anzahl der autoregressiven Reihen darstellt. Gilt für Zeitreihenmodelle, die den ARIMA-Algorithmus verwenden.
  14	Reihenfolge für gleitenden Durchschnitt	Wert, der die Anzahl der gleitenden Durchschnitte in einer Reihe angibt. Gilt für Zeitreihenmodelle, die den ARIMA-Algorithmus verwenden.
  15	Differenzreihenfolge	Gibt an, dass der Wert einen Wert darstellt, aus dem hervorgeht, wie oft für die Reihe eine Unterscheidung getroffen wurde. Gilt für Zeitreihenmodelle, die den ARIMA-Algorithmus verwenden.
  16	Boolean	Stellt einen booleschen Typ dar.
  17	Andere	Stellt einen benutzerdefinierten Wert dar, der vom Algorithmus definiert wird.
  18	Zuvor gerenderte Zeichenfolge	Stellt einen benutzerdefinierten Wert dar, den der Algorithmus als Zeichenfolge rendert. Es wurde keine Formatierung vom Objektmodell angewendet.

  Die Werttypen werden von der ADMOMD.NET-Enumeration abgeleitet. Weitere Informationen finden Sie unter MiningValueType.

Die Bedeutung des Knotenergebnisses hängt vom verwendeten Modelltyp ab und kann außerdem je nach Knotentyp unterschiedlich ausfallen. Weitere Informationen über die jeweilige Berechnung von NODE_SCORE für die verschiedenen Modelle und Knotentypen finden Sie unter Miningmodellinhalt nach Algorithmustyp.

Das Miningmodell-Schemarowset umfasst die Spalten NODE_PROBABILITY und MARGINAL_PROBABILITY für alle Modelltypen. Diese Spalten enthalten nur in jenen Knoten Werte, in denen ein Wahrscheinlichkeitswert auch Sinn macht. Zum Beispiel enthält der Stammknoten eines Modells nie ein Wahrscheinlichkeitsergebnis.

In den Knoten, die Wahrscheinlichkeitsergebnisse bereitstellen, wird zwischen Knotenwahrscheinlichkeit und marginaler Wahrscheinlichkeit unterschieden.

• Marginale Wahrscheinlichkeit ist die Wahrscheinlichkeit für das Erreichen des Knotens vom übergeordneten Knoten aus.

• Knotenwahrscheinlichkeit ist die Wahrscheinlichkeit für das Erreichen des Knotens vom Stamm aus.

• Die Knotenwahrscheinlichkeit ist immer kleiner oder gleich der marginalen Wahrscheinlichkeit.

Wenn z. B. die Gesamtheit aller Kunden in einer Entscheidungsstruktur gleichmäßig nach Geschlecht unterteilt ist (ohne dass irgendwelche Werte fehlen), sollte die Wahrscheinlichkeit der untergeordneten Knoten 5 betragen. Für den Fall aber, dass jeder Knoten für das Geschlecht gleichmäßig nach Einkommensverhältnissen unterteilt ist (hoch, mittel und niedrig), sollte in diesem Fall das MARGINAL_PROBABILITY-Ergebnis für jeden untergeordneten Knoten immer 33 betragen. Der NODE_PROBABILTY-Wert hingegen ist das Produkt aller Wahrscheinlichkeiten, die zu diesem Knoten führen, und ist deswegen immer kleiner als der MARGINAL_PROBABILITY-Wert.

Das Miningmodell-Schemarowset umfasst auch die Spalten NODE_RULE und MARGINAL_RULE für alle Modelltypen. Diese Spalten enthalten XML-Fragmente, die zur Serialisierung eines Modells oder zur Darstellung eines Teils der Modellstruktur verwendet werden können. Diese Spalten sind möglicherweise für einige Knoten leer, wenn ein Wert an dieser Stelle keinen Sinn machen würde.

Zwei Arten von XML-Regeln werden bereitgestellt, die den zwei Arten von Wahrscheinlichkeitswerten sehr ähnlich sind. Das XML-Fragment in MARGINAL_RULE definiert das Attribut und den Wert für den aktuellen Knoten, das XML-Fragment in NODE_RULE beschreibt den Pfad vom Modellstamm zum aktuellen Knoten.

Zurück zum Anfang