Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Bevor Sie die Genauigkeit eines Miningmodells messen können, müssen Sie entscheiden, welches Ergebnis Sie bewerten möchten. Bei den meisten Data Mining-Modellen müssen Sie mindestens eine Spalte auswählen, die beim Erstellen des Modells als vorhersagbares Attribut verwendet werden soll. Daher müssen Sie beim Testen der Genauigkeit des Modells dieses Attributs im Allgemeinen auswählen, um es zu testen.
In der folgenden Liste werden einige zusätzliche Überlegungen zum Auswählen des vorhersehbaren Attributs beschrieben, das beim Testen verwendet werden soll:
Einige Arten von Data Mining-Modellen können mehrere Attribute vorhersagen, z. B. neurale Netzwerke, die die Beziehungen zwischen vielen Attributen untersuchen können.
Andere Arten von Miningmodellen, z. B. Clusteringmodelle, verfügen nicht unbedingt über ein vorhersagbares Attribut. Clusteringmodelle können nur getestet werden, wenn sie über ein vorhersehbares Attribut verfügen.
Um ein Punktdiagramm zu erstellen oder die Genauigkeit eines Regressionsmodells zu messen, müssen Sie ein fortlaufendes vorhersagbares Attribut als Ergebnis auswählen. In diesem Fall können Sie keinen Zielwert angeben. Wenn Sie etwas anderes als ein Punktdiagramm erstellen, muss die zugrunde liegende Miningstrukturspalte auch den Inhaltstyp Diskret oder Diskretisiert aufweisen.
Wenn Sie ein diskretes Attribut als vorhersagbares Ergebnis auswählen, können Sie auch einen Zielwert angeben oder das Feld "Vorhersagewert " leer lassen. Wenn Sie einen Vorhersagewert einschließen, misst das Diagramm nur die Effektivität des Modells bei der Vorhersage des Zielwerts. Wenn Sie kein Zielergebnis angeben, wird das Modell für seine Genauigkeit bei der Vorhersage aller Ergebnisse gemessen.
Wenn Sie mehrere Modelle einschließen und in einem einzelnen Genauigkeitsdiagramm vergleichen möchten, müssen alle Modelle dieselbe vorhersagbare Spalte verwenden.
Wenn Sie einen überprüfungsübergreifenden Bericht erstellen, analysiert Analysis Services automatisch alle Modelle mit demselben vorhersagbaren Attribut.
Wenn die Option " Vorhersagespalten synchronisieren" und "Werte" ausgewählt ist, wählt Analysis Services automatisch vorhersagbare Spalten mit denselben Namen und übereinstimmenden Datentypen aus. Wenn Ihre Spalten diese Kriterien nicht erfüllen, können Sie diese Option deaktivieren und eine vorhersagbare Spalte manuell auswählen. Möglicherweise müssen Sie dies tun, wenn Sie das Modell mit einem externen Dataset testen, das andere Spalten als das Modell aufweist. Wenn Sie jedoch eine Spalte mit dem falschen Datentyp auswählen, erhalten Sie entweder einen Fehler oder schlechte Ergebnisse.
Angeben des ergebnisses, das vorhergesagt werden soll
Doppelklicken Sie auf die Miningstruktur, um sie im Data Mining-Designer zu öffnen.
Wählen Sie die Registerkarte "Mining-Genauigkeitsdiagramm" aus .
Wählen Sie die Registerkarte "Eingabeauswahl" aus .
Wählen Sie auf der Registerkarte " Eingabeauswahl " unter "Vorhersehbarer Spaltenname" eine vorhersagbare Spalte für jedes Modell aus, das Sie in das Diagramm aufnehmen.
Die Miningmodellspalten, die im Feld "Vorhersagbarer Spaltenname" verfügbar sind, sind nur die Spalten, für die der Verwendungstyp auf "Vorhersagen" oder "Nur Vorhersagen" festgelegt ist.
Wenn Sie den Lift für ein Modell ermitteln möchten, müssen Sie einen bestimmten Ergebniswert auswählen, der gemessen werden soll, indem Sie in der Liste "Vorhersagewert " auswählen.
Siehe auch
Wählen Sie Modellprüfdaten und ordnen Sie sie zu
Auswählen eines Genauigkeitsdiagrammtyps und Festlegen von Diagrammoptionen