指定要在模型中做為回歸輸入項的數據行

適用於： SQL Server 2019 和舊版 Analysis Services Azure Analysis Services Fabric/Power BI Premium

重要

SQL Server 2017 Analysis Services 中已淘汰數據採礦，現在已在 SQL Server 2022 Analysis Services 中停止。檔不會更新為已淘汰和已停止的功能。若要深入瞭解，請參閱 Analysis Services 回溯相容性。

線性回歸模型代表可預測屬性的值，因為公式會以盡可能接近估計回歸線的方式結合輸入。此演算法只接受數值做為輸入，並自動偵測提供最適配的輸入。

不過，您可以將FORCE_REGRESSOR參數新增至模型，並指定要使用的回歸輸入變數，以指定數據行作為回歸輸入變數。如果您想要在屬性具有意義的情況下執行此動作，即使效果太小，無法由模型偵測，或當您想要確保屬性包含在公式中時也一樣。

下列程式說明如何使用用於類神經網路教學課程的相同範例數據，建立簡單的線性回歸模型。模型不一定是強固的，而是示範如何使用數據採礦設計工具來自定義線性回歸模型。

在 [SQL Server Data Tools] 的 [方案總管]中，展開 [採礦結構]。
按兩下 [通話中心.dmm] 以在設計工具中開啟它。
從 [採礦模型] 功能表中，選取 [[新增採礦模型]。
針對演算法，選取 Microsoft 線性回歸。針對名稱，輸入 呼叫中心回歸。
在 [採礦模型] 索引卷標中，變更數據行使用方式，如下所示。下列清單中沒有的所有資料行都應該設定為忽略，如果尚未這麼做。

FactCallCenterIDKey

ServiceGradePredictOnly

總運算子輸入

AverageTimePerIssueInput
從 [採礦模型] 功能表中，選取 [[設定模型參數]。
針對參數，FORCE_REGRESSOR，在 Value 數據行中，輸入以方括弧括住且以逗號分隔的數據行名稱，如下所示：
```
[Average Time Per Issue],[Total Operators]  
```
注意

演算法會自動偵測哪些數據行是最佳的回歸輸入變數。當您想要確保資料列包含在最終公式中時，您只需要強制回歸輸入變數。
從 [採礦模型] 功能表中，選取 [進程模型]。

在查看器中，模型會代表包含回歸公式的單一節點。您可以在 採礦圖例中檢視公式，或使用查詢來擷取公式的係數。

另請參閱