モデリング フラグ (データ マイニング)

適用対象: SQL Server 2019 以前の Analysis Services Azure Analysis Services Fabric/Power BI Premium

SQL Server SQL Server Analysis Servicesでは、モデリング フラグによって、ケース テーブル内のデータに関する詳細情報がデータ マイニング アルゴリズムに与えられます。 このアルゴリズムでは、この情報を使用して、より正確なデータ マイニング モデルを構築します。

マイニング構造レベルで一部のモデリング フラグを定義し、他のフラグをマイニング モデル列レベルで定義します。 たとえば、マイニング構造列で NOT NULL モデリング フラグを使用します。 モデルの作成に使用するアルゴリズムによって、マイニング モデル列に対して定義できる追加のモデリング フラグが決まります。

モデリング フラグの一覧

SQL Server Analysis Servicesでは、次のモデリング フラグがサポートされています。 特定のアルゴリズムがサポートするフラグについては、モデルを作成するアルゴリズムのテクニカル リファレンスを参照してください。

NOT NULL
属性列に null 値を含めることができないことを指定します。 モデルのトレーニング中に、この列で null 値が検出された場合、SQL Server Analysis Servicesはエラーを返します。

MODEL_EXISTENCE_ONLY
列を 2 つの状態 ( Missing と Existing) として扱います。 値が NULL の場合、アルゴリズムはそれを Missing と見なします。 MODEL_EXISTENCE_ONLY フラグは予測可能な属性に適用され、ほとんどのアルゴリズムでフラグがサポートされます。

MODEL_EXISTENCE_ONLY フラグを True に設定すると、モデルは 2 つの状態 ( Missing と Existing) のみを持つ値を表します。 すべての非結合状態が 1 つの 既存 の値に結合されます。

このモデリング フラグの一般的な用途は、 NULL 状態が暗黙的な意味を持つ属性であり、 NOT NULL 状態の明示的な値は、列に値があるという事実ほど重要ではない可能性があります。 たとえば、[DateContractSigned] 列は、コントラクトが署名されなかった場合は NULL になり、コントラクトが署名された場合は NOT NULL になります。 したがって、モデルの目的がコントラクトが署名されるかどうかを予測する場合は、MODEL_EXISTENCE_ONLY フラグを使用して NOT NULL ケースの正確な日付値を無視し、コントラクトが Missing または Existing の場合のみを区別できます。

リグレッサー
REGRESSOR フラグは、処理中に列を候補のリグレッサーとしてマークします。 このフラグは、連続する数値データ型を持つマイニング モデル列でのみ使用します。 詳細については、「 REGRESSOR モデリング フラグの使用」を参照してください。

モデリング フラグの表示と変更

データ マイニング デザイナーの構造プロパティまたはモデル プロパティで、マイニング構造列またはモデル列のモデリング フラグを表示します。

現在のマイニング構造のモデリング フラグを確認するには、データ マイニング スキーマ行セットに対してクエリを実行します。 次のクエリでは、構造体列のみのフラグが返されます。

SELECT COLUMN_NAME, MODELING_FLAG  
FROM $system.DMSCHEMA_MINING_STRUCTURE_COLUMNS  
WHERE STRUCTURE_NAME = '<structure name>'  

データ マイニング デザイナーを使用し、関連付けられている列のプロパティを編集することで、モデルで使用されるモデリング フラグを追加または変更できます。 このような変更では、構造またはモデルを再処理する必要があります。

DMX、AMO、または XMLA スクリプトを使用して、新しいマイニング構造またはモデルでモデリング フラグを指定します。 DMX では、既存のマイニング モデルまたは構造のモデリング フラグを変更できません。 代わりに、 ALTER MINING STRUCTURE ... ADD MINING MODELを使用してマイニング モデルを作成します。

REGRESSOR モデリングフラグの用途

列に REGRESSOR モデリング フラグを設定すると、その列に潜在的なリグレッサーが含まれていることを示します。 このアルゴリズムは、モデルが使用するリグレッサーを決定し、予測可能な属性をモデル化しないものをすべて破棄します。

データ マイニング ウィザードを使用してモデルを構築すると、すべての連続入力列に、可能なリグレッサーとしてフラグが設定されます。 そのため、列に REGRESSOR フラグを明示的に設定しない場合でも、その列がモデルのリグレッサーとして使用される可能性があります。

次の例に示すように、マイニング モデルのスキーマ行セットに対してクエリを実行することで、処理されたモデルで実際に使用されたリグレッサーを特定できます。

SELECT COLUMN_NAME, MODELING_FLAG  
FROM $system.DMSCHEMA_MINING_COLUMNS  
WHERE MODEL_NAME = '<model name>'  

注 マイニング列のコンテンツ タイプを連続から不連続に変更した後、列のフラグを手動で変更し、モデルを再処理します。

線形回帰モデルのリグレッサー

線形回帰モデルは、Microsoft デシジョン ツリー アルゴリズムに基づいています。 Microsoft線形回帰アルゴリズムを使用しない場合でも、デシジョン ツリー モデルには、連続属性の回帰を表すツリーまたはノードを含めることができます。

したがって、これらのモデルでは、連続列がリグレッサーを表すように指定する必要はありません。 Microsoftデシジョン ツリー アルゴリズムは、列に REGRESSOR フラグを設定しない場合でも、データセットを意味のあるパターンを持つ領域に分割します。 違いは、モデリング フラグを設定すると、アルゴリズムは、ツリーのノード内のパターンに合わせて、次の形式の回帰式を見つけようとすることです。

a*C1 + b*C2 + ...

アルゴリズムは残差の合計を計算します。 偏差が大きすぎる場合、アルゴリズムはツリー内で分割を強制します。

たとえば、 Income を属性として使用して顧客の購入行動を予測し、列に REGRESSOR モデリング フラグを設定するとします。 アルゴリズムはまず、収入の値を標準的な回帰式に当てはめようとします。 偏差が大きすぎる場合、アルゴリズムは数式を破棄し、ツリーを別の属性に分割します。 その後、アルゴリズムは各分岐で収入回帰モデルを当てはめようとします。

特定のリグレッサーを使用するアルゴリズムを要求するには、FORCE_REGRESSOR パラメーターを使用します。 デシジョン ツリーと線形回帰アルゴリズムでは、このパラメーターがサポートされています。

関連タスク

モデリング フラグの詳細については、次のリンクを参照してください。