GLMPredict例: ロジスティック分散予測 - Advanced SQL Engine - Teradata Database

この例では、学生の応募状況を予測します。

入力

• 入力テーブル: admissions_test、学生20名の応募情報を含んでいます。
• モデル: glm_admissions_model、Teradata Vantage™ Machine Learning Engine分析関数リファレンス、B700-4003の「GLM関数例: Interceptによるロジスティック回帰分析」によって出力される

SQL呼び出し

CREATE MULTISET TABLE glmpredict_admissions AS (
  SELECT * FROM GLMPredict (
    ON admissions_test PARTITION BY ANY
    ON glm_admissions_model AS Model DIMENSION
    USING
    Accumulate ('id','masters','gpa','stats','programming','admitted')
    Family ('LOGISTIC')
    LinkFunction ('LOGIT')
  ) AS dt
) WITH DATA;

出力

このクエリーは、以下のテーブルを返します。

SELECT * FROM glmpredict_admissions ORDER BY 1;

予測値は精度が異なります。その理由は、ML EngineGLM関数で出力されAdvanced SQL Engineにフェッチされるモデル テーブルに依存するからです。

fitted_value列の分類

fitted_value列は、学生が出力クラスの1つに属する確率を示します。次の図はロジスティック回帰グラフを示しており、入力x-軸を[0, 1]間のy確率値に対してマッピングします。

0.5以上のfitted_valueの確率はクラス1(合格した学生)を意味します。0.5未満の確率はクラス0(不合格の学生)を意味します。

次のコードは、glmpredict_admissionsにfitted_category列を追加しそれを挿入します。

ALTER table glmpredict_admissions
  ADD fitted_category int;
  UPDATE glmpredict_admissions SET fitted_category = 1
    WHERE fitted_value > 0.4999;
  UPDATE glmpredict_admissions SET fitted_category = 0
    WHERE fitted_value < 0.4999;

このクエリーは、以下のテーブルを返します。

SELECT * FROM glmpredict_admissions ORDER BY 1;

予測精度

このクエリーは予測精度を返します。

SELECT (SELECT COUNT(id) FROM glmpredict_admissions
  WHERE admitted = fitted_category)/(SELECT count(id)
    FROM glmpredict_admissions) AS prediction_accuracy;