マイニング モデル コンテンツ (Analysis Services - データ マイニング)

次の表に、データ マイニング モデルで出力されるさまざまな種類のノードを示します。 アルゴリズムごとに情報の処理方法が異なるので、各モデルでは特定の数種類のノードのみが生成されます。 アルゴリズムを変更すると、ノードの種類も変更されることがあります。 また、モデルを再処理すると、各ノードのコンテンツが変更されることがあります。

注
SQL Server 2008 Analysis Services で提供されるものとは異なるデータ マイニング サービスを使用する場合、または独自のプラグイン アルゴリズムを作成する場合は、他の種類のカスタム ノードを利用できることがあります。

モデルのルート ノードの一意な ID (NODE_UNIQUE_NAME) は、常に 0 です。 ノード ID はすべて Analysis Services によって自動的に割り当てられ、変更することはできません。

また、各モデルのルート ノードには、モデルに関するいくつかの基本的なメタデータが含まれています。 このメタデータには、モデルが格納されている Analysis Services データベース (MODEL_CATALOG)、スキーマ (MODEL_SCHEMA)、モデルの名前 (MODEL_NAME) などがあります。 ただし、この情報はモデルのすべてのノードで重複するので、ルート ノードに対してクエリを行ってこのメタデータを取得する必要はありません。

各ノードには、一意識別子として使用される名前以外にも名前 (NODE_NAME) があります。 この名前は表示目的でアルゴリズムによって自動的に作成され、編集することはできません。

注
Microsoft クラスタリング アルゴリズムを使用すると、ユーザーは各クラスターに表示名を割り当てることができます。 ただし、この表示名はサーバーに保存されないので、モデルを再処理するとアルゴリズムによって新しいクラスター名が生成されます。

各ノードのキャプションと説明は、アルゴリズムによって自動的に生成され、ノードのコンテンツの把握に役立つラベルとして機能します。 フィールドごとに生成されるテキストは、モデルの種類によって異なります。 名前、キャプション、および説明がまったく同じ文字列である場合もありますが、モデルによっては、説明に追加情報が示される場合もあります。 実装の詳細については、各種モデルに関するトピックを参照してください。

注
Analysis Services サーバーでは、名前の変更を実装するカスタム プラグイン アルゴリズムを使用してモデルを構築する場合にのみノード名の変更がサポートされます。 名前の変更を有効にするには、プラグイン アルゴリズムの作成時にメソッドをオーバーライドする必要があります。

ツリー構造での親ノードと子ノードのリレーションシップは、PARENT_UNIQUE_NAME 列の値によって決まります。 この値は子ノードに格納されており、親ノードの ID を示します。 次に、この情報の使用方法の例を示します。

• PARENT_UNIQUE_NAME が NULL の場合、ノードはモデルの最上位ノードです。

• PARENT_UNIQUE_NAME の値が 0 の場合、ノードはモデルの最上位ノードの直接の子孫である必要があります。 これは、ルート ノードの ID が常に 0 であるためです。

• データ マイニング拡張機能 (DMX) クエリ内で関数を使用して、特定のノードの子孫または親を検出することができます。 クエリでの関数の使用の詳細については、「データ マイニング モデルのクエリ (Analysis Services - データ マイニング)」を参照してください。

基数は、セット内の項目数を指します。 処理済みのマイニング モデルのコンテキストでは、基数は特定のノードの子の数を表します。 たとえば、デシジョン ツリー モデルに [年収] というノードがあり、そのノードに条件 [年収] = 高と条件 [年収] = 低という 2 つの子ノードがある場合、[年収] ノードの CHILDREN_CARDINALITY の値は 2 になります。

注
Analysis Services では、ノードの基数の計算時には直接の子ノードのみがカウントされます。 ただし、カスタム プラグイン アルゴリズムを作成する場合は、CHILDREN_CARDINALITY をオーバーロードして異なる方法で基数をカウントすることができます。 これは、直接の子だけでなく子孫の総数をカウントする場合などに役立ちます。

基数はすべてのモデルで同様にカウントされますが、基数の値の解釈方法または使用方法はモデルの種類によって異なります。 たとえば、クラスター モデルでは、最上位ノードの基数は検出されたクラスターの総数を示します。 その他の種類のモデルでは、ノードの種類によっては基数が常に設定値である場合があります。 基数の解釈方法の詳細については、各種モデルに関するトピックを参照してください。

注
モデル全体のトレーニング データに関する説明的な統計情報を提供する特殊なノードが追加で含まれるモデルもあります (Microsoft ニューラル ネットワーク アルゴリズムによって作成されたモデルなど)。 定義上、このようなノードに子ノードはありません。

NODE_DISTRIBUTION 列には、アルゴリズムで検出されたパターンに関する重要な詳細情報を多くのノードで示す入れ子になったテーブルが含まれています。 このテーブルに示される正確な統計は、モデルの種類、ツリー内のノードの位置、および予測可能な属性が連続する数値か不連続値かによって異なりますが、統計には、属性の最小値と最大値、値に割り当てられた重み、ノード内のケース数、回帰式で使用される係数、標準偏差や分散のような統計的尺度などが含まれます。 ノード分布の解釈方法の詳細については、扱っている特定の種類のモデルに関するトピックを参照してください。

注
NODE_DISTRIBUTION テーブルは、ノードの種類によっては空の場合もあります。 たとえば、詳細な統計を含む子ノードのコレクションを整理するためだけのノードもあります。

入れ子になったテーブル NODE_DISTRIBUTION には、常に次の列が含まれています。 各列のコンテンツは、モデルの種類によって異なります。 特定の種類のモデルの詳細については、「アルゴリズムの種類別のマイニング モデル コンテンツ」を参照してください。

• ATTRIBUTE_NAME
  コンテンツは、アルゴリズムによって異なります。 予測可能な属性などの列、ルール、アイテムセット、または数式の一部などのアルゴリズムの内部情報の名前を指定できます。

  この列には、属性と値のペアも格納できます。

• ATTRIBUTE_VALUE
  ATTRIBUTE_NAME で指定した属性の値。

  属性名が列の場合、最も簡単な例では、ATTRIBUTE_VALUE にはその列の不連続値のいずれかが格納されます。

  アルゴリズムによる値の処理方法によっては、ATTRIBUTE_VALUE には、属性の値が存在するかどうかを示すフラグ (Existing) または値が NULL かどうかを示すフラグ (Missing) も格納できます。

  たとえば、特定の品目を 1 回以上購入したことがある顧客を検出するようにモデルが設定されている場合、ATTRIBUTE_NAME 列には Model = 'Water bottle' などの目的の品目を定義する属性と値のペアが格納され、ATTRIBUTE_VALUE 列にはキーワード Existing または Missing のみが格納されます。

• SUPPORT
  この属性と値のペアを含むケースまたはこのアイテムセットまたはルールを含むケースの数。

  一般に、各ノードのサポート値は、現在のノードに含まれるトレーニング セット内のケースの数を示します。 ほとんどの種類のモデルでは、サポートは正確なケース数を表します。 サポート値は、トレーニング データに対してクエリを実行しなくてもトレーニング ケース内のデータの分布を確認できるので便利です。 Analysis Services サーバーでも、この格納された値を使用して、格納された確率と前の確率の比較を計算することで、推定が強いか弱いかが判断されます。

  たとえば、分類ツリーでは、サポート値は記述された属性の組み合わせを含むケースの数を表します。

  デシジョン ツリーでは、ツリーの各レベルのサポートの合計は、その親ノードのサポートになります。 たとえば、1200 個のケースを含むモデルが性別に基づいて均等に分割され、さらに Income の 3 つの値 Low、Medium、および High に基づいて均等に分割される場合、ノード (2) の子ノードであるノード (4)、(5)、および (6) の合計は、常にノード (2) のケース数と同じ数になります。

  ノード ID およびノード属性	サポート数
  (1) モデル ルート	1200
  (2) Gender = Male (3) Gender = Female	600 600
  (4) Gender = Male かつ Income = High (5) Gender = Male かつ Income = Medium (6) Gender = Male かつ Income = Low	200 200 200
  (7) Gender = Female かつ Income = High (8) Gender = Female かつ Income = Medium (9) Gender = Female かつ Income = Low	200 200 200

  クラスター モデルの場合は、サポート数に重み付けして複数のクラスターに属する確率を含めることができます。 複数のクラスター メンバーシップは、既定のクラスタリング手法です。 この場合は、各ケースが 1 つのクラスターだけに属するとは限らないので、このようなモデルのサポートを合計しても、すべてのクラスターで 100% にはならない場合があります。

• PROBABILITY
  モデル全体におけるこの特定のノードの確率を示します。

  一般に、確率は、この特定の値のサポートをノード内のケースの総数 (NODE_SUPPORT) で除算した値を表します。

  ただし、確率を多少調整して、データの不足値が原因で生じるバイアスを回避します。

  たとえば、[子供の総数] の現在の値が 1 および 2 である場合に、子供がいないこと、または子供が 3 人いることが起こり得ないと予測するモデルを作成しないようにするとします。 不足値がありそうにないがあり得なくはないという状態にするために、アルゴリズムによって、属性の実際の値の数に常に 1 が加算されます。

  例 :

  [子供の総数 = 1] の確率 = [子供の総数 = 1 であるケースの数] + 1/[すべてのケースの数] + 3

  [子供の総数 = 2] の確率 = [子供の総数 = 2 であるケースの数] + 1/[すべてのケースの数] + 3

  注
  調整値 3 は、既存の値の総数 n に 1 を加算して算出したものです。

  調整後も、すべての値の確率を合計すると 1 になります。 データがない値の確率 (この例では [子供の総数 = 0、3、またはその他の値]) は、非常に低い 0 以外のレベルから始まり、ケースの追加に合わせて緩やかに増加します。

• VARIANCE
  ノード内の値の分散を示します。 不連続値の場合は、定義上、分散は常に 0 になります。 モデルで連続値がサポートされる場合、分散は、分母 n またはノード内のケースの数を使用して (シグマ) として計算されます。

  一般に、標準偏差 (StDev) を表すために使用される定義は 2 つあります。 一方の標準偏差の計算方法ではバイアスが考慮され、他方ではバイアスを使用せずに標準偏差が計算されます。 通常、Microsoft データ マイニング アルゴリズムでは、標準偏差の計算時にバイアスは使用されません。

  NODE_DISTRIBUTION テーブルに示される値は、すべての不連続属性と分離された属性の実際の値、および連続値の平均です。

• VALUE_TYPE
  値または属性のデータ型、および値の使用法を示します。 特定の値の型は、特定の種類のモデルにのみ適用されます。

  VALUE_TYPE ID	値のラベル	値の型名
  1	Missing	ケース データにこの属性の値が含まれていないことを示します。 Missing 状態は、値を持つ属性とは別に計算されます。
  2	Existing	ケース データにこの属性の値が含まれていることを示します。
  3	Continuous	属性の値が連続する数値であるため、分散および標準偏差と共に平均で表すことができることを示します。
  4	Discrete	不連続値として扱われる値 (数値またはテキスト) を示します。 注   不連続値は不足値にすることもできます。ただし、計算時の処理方法は異なります。 詳細については、「不足値 (Analysis Services - データ マイニング)」を参照してください。
  5	Discretized	属性に分離された数値が含まれていることを示します。 値は、分離するためのバケットを示す書式設定された文字列です。
  6	Existing	属性の値が連続する数値で、値がデータで指定されていることを示します (不足値または推定値と比較)。
  7	Coefficient	係数を表す数値を示します。 係数は、従属変数の値の計算時に適用される値です。 たとえば、年齢に基づいて収入を予測する回帰式をモデルで作成する場合は、年齢を収入に関連付ける式で係数が使用されます。
  8	Score gain	属性のスコア ゲインを表す数値を示します。
  9	Statistics	リグレッサの統計を表す数値を示します。
  10	Node unique name	値を数値または文字列として扱わずに、モデルの別のコンテンツ ノードの一意識別子として扱うことを示します。 たとえば、ニューラル ネットワーク モデルでは、ID によって、出力層のノードから非表示層のノード、および非表示層のノードから入力層のノードへのポインターが提供されます。
  11	Intercept	回帰式における切片を表す数値を示します。
  12	Periodicity	値がモデルの周期構造を表すことを示します。 ARIMA モデルを含むタイム シリーズ モデルだけに適用されます。 注 Microsoft タイム シリーズ アルゴリズムでは、周期構造はトレーニング データに基づいて自動的に検出されます。 したがって、最終的なモデルの周期性には、モデルの作成時にパラメーターとして指定しなかった周期性の値が含まれる場合があります。
  13	Autoregressive order	値が自己回帰系列の数を表すことを示します。 ARIMA アルゴリズムを使用するタイム シリーズ モデルに適用されます。
  14	Moving average order	系列の移動平均の数を表す値を表します。 ARIMA アルゴリズムを使用するタイム シリーズ モデルに適用されます。
  15	Difference order	系列が区別される回数を示す値を表します。 ARIMA アルゴリズムを使用するタイム シリーズ モデルに適用されます。
  16	Boolean	Boolean 型を表します。
  17	Other	アルゴリズムで定義されたカスタム値を表します。
  18	Prerendered string	アルゴリズムによって文字列として表示されるカスタム値を表します。 オブジェクト モデルによって書式設定は適用されませんでした。

  値の型は、ADMOMD.NET 列挙体から派生します。 詳細については、「MiningValueType」を参照してください。

ノード スコアの意味はモデルの種類によって異なり、ノードの種類によっても変わる可能性があります。 各種モデルおよびノードに関する NODE_SCORE の計算方法の詳細については、「アルゴリズムの種類別のマイニング モデル コンテンツ」を参照してください。

マイニング モデル スキーマ行セットには、すべての種類のモデルで列 NODE_PROBABILITY および MARGINAL_PROBABILITY が含まれます。 これらの列には、確率値に意味があるノードの値のみが格納されます。 たとえば、モデルのルート ノードに確率スコアが格納されることはありません。

確率スコアを提供するノードでは、ノードの確率と周辺確率は異なる計算を表します。

• 周辺確率は、親からそのノードに到達する確率です。

• ノードの確率は、ルートからそのノードに到達する確率です。

• ノードの確率は、常に周辺確率以下になります。

たとえば、デシジョン ツリー内のすべての顧客が性別に基づいて均等に分割される場合 (不足値はないものとする)、子ノードの確率は 0.5 になります。 ただし、性別の各ノードが収入レベル High、Medium、および Low に基づいて均等に分割されるとします。 この場合、各子ノードの MARGINAL_PROBABILITY のスコアは常に 0.33 になりますが、NODE_PROBABILTY の値はそのノードに到達するすべての確率の積になるので、常に MARGINAL_PROBABILITY の値より小さくなります。

マイニング モデル スキーマ行セットには、すべての種類のモデルで列 NODE_RULE および MARGINAL_RULE も含まれます。 これらの列には、モデルをシリアル化するため、またはモデル構造の一部を表すために使用できる XML フラグメントが格納されます。 ノードによっては、これらの列は空白になる場合もあります (値が無意味である場合)。

確率値が 2 種類あるのと同様に、XML ルールも 2 種類用意されています。 MARGINAL_RULE の XML フラグメントでは現在のノードの属性と値を定義し、NODE_RULE の XML フラグメントではモデル ルートから現在のノードへのパスを示します。

トップに戻る