Esecuzione di query su un modello di regressione logistica (Analysis Services - Data mining)

L'esecuzione di una query sul set di righe dello schema di data mining consente di trovare i metadati relativi al modello, ad esempio la data e l'ora di creazione, la data e l'ora dell'ultima elaborazione, il nome della struttura di data mining su cui si basa il modello e il nome della colonna utilizzata come attributo stimabile. Nell'esempio seguente vengono restituiti i parametri utilizzati quando è stato creato il modello, il nome e il tipo di modello e la relativa data di creazione.

SELECT MODEL_NAME, SERVICE_NAME, DATE_CREATED, MINING_PARAMETERS 
FROM $system.DMSCHEMA_MINING_MODELS
WHERE MODEL_NAME = 'Call Center_LR'

Risultati dell'esempio:

Torna all'inizio

Nella query seguente vengono restituite informazioni di base sul modello di regressione logistica. Si tenga presente che un modello di regressione logistica è per molti aspetti simile a un modello di rete neurale, inclusa la presenza di un nodo delle statistiche marginali (NODE_TYPE = 24) che descrive i valori utilizzati come input. In questo esempio di query viene utilizzato il modello di mailing diretto e si ottengono i valori di tutti i possibili input recuperandoli dalla tabella nidificata NODE_DISTRIBUTION.

SELECT FLATTENED NODE_DISTRIBUTION AS t
FROM [TM_Logistic Regression].CONTENT 

Risultati parziali:

La query effettiva restituisce molte più righe, tuttavia questo esempio illustra il tipo di informazioni sugli input che vengono fornite. Ogni valore possibile per un valore discreto, ad esempio, viene elencato nella tabella, mentre gli input continui vengono discretizzati. Per ulteriori informazioni sull'utilizzo dei dati del nodo delle statistiche marginali, vedere Contenuto dei modelli di data mining per i modelli di regressione logistica (Analysis Services - Data mining).

Torna all'inizio

Poiché la regressione logistica supporta l'utilizzo di attributi continui sia per l'input sia per la stima, è facile creare modelli che correlano i vari fattori nei dati. È possibile utilizzare query di stima per esplorare la relazione fra questi fattori.

Il seguente esempio di query si basa sul modello Call Center e crea una query singleton che stima il livello di servizio per il turno mattutino del venerdì. La funzione PredictHistogram (DMX) restituisce una tabella nidificata che fornisce statistiche importanti per comprendere la validità del valore stimato.

SELECT
  Predict([Call Center_LR].[Service Grade]) as Predicted ServiceGrade,
  PredictHistogram([Call Center_LR].[Service Grade]) as [Results],
FROM
  [Call Center_LR]
NATURAL PREDICTION JOIN
(SELECT 'Friday' AS [Day Of Week],
  'AM' AS [Shift]) AS t

Risultati dell'esempio:

Per ulteriori informazioni sui valori di probabilità, supporto e deviazione standard nella tabella nidificata NODE_DISTRIBUTION, vedere Contenuto dei modelli di data mining per i modelli di regressione logistica (Analysis Services - Data mining).

Torna all'inizio

La regressione logistica viene in genere utilizzata negli scenari nei quali si desidera analizzare i fattori che contribuiscono a un risultato binario. Sebbene il modello originale utilizzato nell'Esercitazione intermedia stimi un valore continuo, Livello di servizio, in uno scenario reale potrebbe essere necessario stimare se il livello di servizio soddisfa o meno alcuni valori discreti di destinazione. In alternativa, è possibile creare stime mediante valori continui, quindi raggruppare i risultati stimati in Buoni, Discreti o Scarsi.

Nell'esempio seguente viene illustrato come modificare la modalità di raggruppamento dell'attributo stimabile. A tale scopo, eseguire una copia della struttura di data mining, quindi modificare il metodo di discretizzazione della colonna di destinazione. Nella procedura seguente viene illustrato come modificare il raggruppamento dei valori del Service Grade nei dati del call center.

Per creare una versione discretizzata della struttura di data mining del call center e dei modelli

Nella query di esempio seguente, basata su questo modello discretizzato, viene stimato il livello di servizio per il giorno della settimana specificato, insieme alle probabilità per ogni risultato stimato.

SELECT
  (PredictHistogram([Call Center_LR 1].[Service Grade])) as [Predictions]
FROM
  [Call Center_LR 1]
NATURAL PREDICTION JOIN
(SELECT 'Saturday' AS [Day Of Week]) AS t  

Risultati previsti:

Si noti che i risultati stimati sono stati raggruppati in tre categorie come specificato. Tali raggruppamenti, tuttavia, si basano sul clustering dei valori effettivi dei dati e non su valori arbitrari che potrebbero essere stati impostati come obiettivi aziendali.

Torna all'inizio