마이닝 모델의 정확도를 측정하려면 먼저 평가하려는 결과를 결정해야 합니다. 대부분의 데이터 마이닝 모델에서는 모델을 만들 때 예측 가능한 특성으로 사용할 열을 하나 이상 선택해야 합니다. 따라서 모델의 정확도를 테스트할 때 일반적으로 테스트할 특성을 선택해야 합니다.
다음 목록에서는 테스트에 사용할 예측 가능한 특성을 선택하기 위한 몇 가지 추가 고려 사항을 설명합니다.
일부 유형의 데이터 마이닝 모델은 여러 특성 간의 관계를 탐색할 수 있는 신경망과 같은 여러 특성을 예측할 수 있습니다.
클러스터링 모델과 같은 다른 유형의 마이닝 모델에는 예측 가능한 특성이 반드시 있는 것은 아닙니다. 클러스터링 모델은 예측 가능한 특성이 없으면 테스트할 수 없습니다.
산점도를 만들거나 회귀 모델의 정확도를 측정하려면 연속 예측 가능한 특성을 결과로 선택해야 합니다. 이 경우 대상 값을 지정할 수 없습니다. 산점도 이외의 항목을 만드는 경우 기본 마이닝 구조 열에는 불연속 또는 불연속화된 콘텐츠 형식도 있어야 합니다.
불연속 특성을 예측 가능한 결과로 선택하는 경우 대상 값을 지정하거나 예측 값 필드를 비워 둘 수도 있습니다. 예측 값을 포함하는 경우 차트는 대상 값을 예측할 때 모델의 효과만 측정합니다. 대상 결과를 지정하지 않으면 모델은 모든 결과를 예측하는 정확도로 측정됩니다.
여러 모델을 포함하고 단일 정확도 차트에서 비교하려는 경우 모든 모델은 동일한 예측 가능한 열을 사용해야 합니다.
교차 유효성 검사 보고서를 만들면 Analysis Services는 예측 가능한 특성이 동일한 모든 모델을 자동으로 분석합니다.
예측 열 및 값 동기화 옵션이 선택되면 Analysis Services는 이름과 일치하는 데이터 형식이 같은 예측 가능한 열을 자동으로 선택합니다. 열이 이러한 조건을 충족하지 않는 경우 이 옵션을 끄고 예측 가능한 열을 수동으로 선택할 수 있습니다. 모델과 열이 다른 외부 데이터 집합으로 모델을 테스트하는 경우 이 작업을 수행해야 할 수 있습니다. 그러나 데이터 형식이 잘못된 열을 선택하면 오류 또는 잘못된 결과가 발생합니다.
예측할 결과 지정
마이닝 구조를 두 번 클릭하여 데이터 마이닝 디자이너에서 엽니다.
마이닝 정확도 차트 탭을 선택합니다.
입력 선택 탭을 선택합니다.
입력 선택 탭의 예측 가능한 열 이름 아래에서 차트에 포함하는 각 모델에 대해 예측 가능한 열을 선택합니다.
예측 가능한 열 이름 상자에서 사용할 수 있는 마이닝 모델 열은 사용 유형이 Predict 또는 Predict Only로 설정된 열에만 해당합니다.
모델의 리프트를 확인하려면 예측 값 목록에서 선택하여 측정할 특정 결과 값을 선택해야 합니다.