羅吉斯回歸模型的採礦模型內容
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。
本主題描述使用 Microsoft羅吉斯回歸演算法之模型特有的採礦模型內容。 如需如何解譯所有模型類型所共用之統計數據和結構的說明，以及採礦模型內容相關詞彙的一般定義，請參閱 採礦模型內容（Analysis Services - 數據採礦）。
瞭解羅吉斯回歸模型的結構
羅吉斯回歸模型是使用Microsoft類神經網路演算法來建立，其參數會限制模型以消除隱藏的節點。 因此，羅吉斯回歸模型的整體結構幾乎與類神經網路的結構完全相同：每個模型都有一個代表模型及其元數據的單一父節點，以及一個特殊的臨界統計數據節點 （NODE_TYPE = 24），可提供模型中所用輸入的描述性統計數據。
此外，模型包含每個可預測屬性的子網 （NODE_TYPE = 17）。 就像在類神經網路模型中，每個子網一律包含兩個分支：一個用於輸入層，另一個分支包含隱藏層（NODE_TYPE = 19）和輸出層（NODE_TYPE = 20）。 如果將多個屬性指定為僅限預測，則相同的子網可能會用於多個屬性。 也是輸入的可預測屬性可能不會出現在相同的子網中。
不過，在羅吉斯回歸模型中，代表隱藏層的節點是空的，而且沒有子系。 因此，此模型包含代表個別輸出的節點（NODE_TYPE = 23）和個別輸入（NODE_TYPE = 21），但沒有個別隱藏節點。
logisitc 回歸模型的內容 
根據預設，羅吉斯回歸模型會顯示在類神經網路查看器 Microsoft中。 使用此自定義查看器，您可以篩選輸入屬性及其值，並以圖形方式查看它們如何影響輸出。 查看器中的工具提示會顯示與每對輸入和輸出值相關聯的機率和增益。 如需詳細資訊，請參閱 使用Microsoft類神經網路查看器流覽模型。
若要探索輸入和子網的結構，以及查看詳細統計數據，您可以使用Microsoft一般內容樹視圖器。 您可以按下任何節點加以展開，並查看子節點，或檢視節點中包含的權數和其他統計數據。
羅吉斯回歸模型的模型內容
本節僅針對採礦模型內容中與羅吉斯回歸具有特定相關性的數據行提供詳細數據和範例。 模型內容幾乎與類神經網路模型的內容相同，但套用至類神經網路模型的描述可能會在此表格中重複，以方便起見。
如需架構數據列集中一般用途數據行的相關信息，例如MODEL_CATALOG和MODEL_NAME，如這裡未描述，或如需採礦模型術語的說明，請參閱 採礦模型內容（Analysis Services - 數據採礦）。
MODEL_CATALOG
儲存模型的資料庫名稱。
MODEL_NAME
模型的名稱。
ATTRIBUTE_NAME
對應至這個節點的屬性名稱。
| 節點 | 內容 |
|---|---|
| 模型根目錄 | 空白 |
| 臨界統計數據 | 空白 |
| 輸入層 | 空白 |
| 輸入節點 | 輸入屬性名稱 |
| 隱藏層 | 空白 |
| 輸出層 | 空白 |
| 輸出節點 | 輸出屬性名稱 |
NODE_NAME
節點的名稱。 目前，此數據行包含與NODE_UNIQUE_NAME相同的值，不過這可能會在未來版本中變更。
NODE_UNIQUE_NAME
節點的唯一名稱。
如需名稱和標識碼如何提供模型結構資訊的詳細資訊，請參閱使用節點名稱和標識碼一節
NODE_TYPE
羅吉斯回歸模型會輸出下列節點類型：
| 節點類型標識碼 | 描述 |
|---|---|
| 1 | 型。 |
| 17 | 子網的召集人節點。 |
| 18 | 輸入層的召集人節點。 |
| 19 | 隱藏圖層的召集人節點。 隱藏層是空的。 |
| 20 | 輸出層的召集人節點。 |
| 21 | 輸入屬性節點。 |
| 23 | 輸出屬性節點。 |
| 24 | 臨界統計數據節點。 |
NODE_CAPTION
與節點相關聯的標籤或標題。 在羅吉斯回歸模型中，一律為空白。
CHILDREN_CARDINALITY
估計節點擁有的子係數目。
| 節點 | 內容 |
|---|---|
| 模型根目錄 | 表示子節點計數，其中包含至少 1 個網路、1 個必要的臨界節點，以及 1 個必要的輸入層。 例如，如果值為5，則有3個子網。 |
| 臨界統計數據 | 一律為 0。 |
| 輸入層 | 指出模型所使用的輸入屬性值組數目。 |
| 輸入節點 | 一律為 0。 |
| 隱藏層 | 在羅吉斯回歸模型中，一律為 0。 |
| 輸出層 | 表示輸出值的數目。 |
| 輸出節點 | 一律為 0。 |
PARENT_UNIQUE_NAME
節點父代的唯一名稱。 根層級的任何節點會傳回NULL。
如需名稱和標識碼如何提供模型結構資訊的詳細資訊，請參閱使用節點名稱和標識碼一節
NODE_DESCRIPTION
節點的用戶易記描述。
| 節點 | 內容 |
|---|---|
| 模型根目錄 | 空白 |
| 臨界統計數據 | 空白 |
| 輸入層 | 空白 |
| 輸入節點 | 輸入屬性名稱 |
| 隱藏層 | 空白 |
| 輸出層 | 空白 |
| 輸出節點 | 如果輸出屬性是連續的，則包含輸出屬性的名稱。 如果輸出屬性是離散或離散化，則包含屬性的名稱和值。 |
NODE_RULE
內嵌在節點中之規則的 XML 描述。
| 節點 | 內容 |
|---|---|
| 模型根目錄 | 空白 |
| 臨界統計數據 | 空白 |
| 輸入層 | 空白 |
| 輸入節點 | XML 片段，包含與NODE_DESCRIPTION數據行相同的資訊。 |
| 隱藏層 | 空白 |
| 輸出層 | 空白 |
| 輸出節點 | XML 片段，包含與NODE_DESCRIPTION數據行相同的資訊。 |
MARGINAL_RULE
對於羅吉斯回歸模型，一律為空白。
NODE_PROBABILITY
與此節點相關聯的機率。 對於羅吉斯回歸模型，一律為0。
MARGINAL_PROBABILITY
從父節點到達節點的機率。 對於羅吉斯回歸模型，一律為0。
NODE_DISTRIBUTION
巢狀數據表，其中包含節點的統計數據。 如需每個節點類型此數據表內容的詳細資訊，請參閱
NODE_SUPPORT
對於羅吉斯回歸模型，一律為0。
注意
支援機率一律為 0，因為此模型類型的輸出不是概率。 演算法唯一有意義的事情是權數;因此，演算法不會計算機率、支援或變異數。
若要取得特定值定型案例中支援的相關信息，請參閱臨界統計數據節點。
MSOLAP_MODEL_COLUMN
| 節點 | 內容 |
|---|---|
| 模型根目錄 | 空白 |
| 臨界統計數據 | 空白 |
| 輸入層 | 空白 |
| 輸入節點 | 輸入屬性名稱。 |
| 隱藏層 | 空白 |
| 輸出層 | 空白 |
| 輸出節點 | 輸入屬性名稱。 |
MSOLAP_NODE_SCORE
在羅吉斯回歸模型中，一律為 0。
MSOLAP_NODE_SHORT_CAPTION
在羅吉斯回歸模型中，一律為空白。
使用節點名稱和識別碼
羅吉斯回歸模型中節點的命名提供模型中節點之間關聯性的其他資訊。 下表顯示指派給每一層節點之標識符的慣例。
| 節點類型 | 節點標識碼的慣例 |
|---|---|
| 模型根目錄 （1） | 00000000000000000. |
| 臨界統計數據節點 （24） | 10000000000000000 |
| 輸入層 （18） | 30000000000000000 |
| 輸入節點 （21） | 從 600000000000000000 開始 |
| 子網 （17） | 20000000000000000 |
| 隱藏層 （19） | 40000000000000000 |
| 輸出層 （20） | 50000000000000000 |
| 輸出節點 （23） | 從 800000000000000000 開始 |
您可以藉由檢視輸出節點的NODE_DISTRIBUTION數據表，使用這些標識碼來判斷輸出屬性與特定輸入層屬性的關聯方式。 該數據表中的每個數據列都包含指向特定輸入屬性節點的識別碼。 NODE_DISTRIBUTION數據表也包含該輸入輸出組的係數。
另請參閱
Microsoft 羅吉斯回歸演算法
類神經網路模型的採礦模型內容 （Analysis Services - 數據採礦）
羅吉斯回歸模型查詢範例
Microsoft 羅吉斯回歸演算法技術參考