SystemGetAccuracyResults (Analysis Services - Exploration de données)
S’applique à :
SQL Server 2019 et versions antérieures d’Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
Important
L’exploration de données a été déconseillée dans SQL Server 2017 Analysis Services et est à présent abandonnée dans SQL Server 2022 Analysis Services. La documentation n’est pas mise à jour pour les fonctionnalités déconseillées et abandonnées. Pour en savoir plus, consultez Compatibilité descendante d’Analysis Services.
Retourne les mesures de précision de validation croisée d'une structure d'exploration de données et de tous les modèles connexes, à l'exclusion des modèles de clustering.
Cette procédure stockée retourne les mesures du jeu de données dans son ensemble sous forme de partition unique. Pour partitionner le jeu de données en sections et retourner des métriques pour chaque partition, utilisez SystemGetCrossValidationResults (Analysis Services - Exploration de données).
Notes
Cette procédure stockée n’est pas prise en charge pour les modèles qui sont créés à l’aide de l’algorithme Microsoft Time Series ou de l’algorithme microsoft sequence clustering. En outre, pour clustering modèles, utilisez la procédure stockée distincte SystemGetClusterAccuracyResults (Analysis Services - Exploration de données).
Syntaxe
SystemGetAccuracyResults(<mining structure>,
[,<mining model list>]
,<data set>
,<target attribute>
[,<target state>]
[,<target threshold>]
[,<test list>])
Arguments
structure d’exploration de données
Nom d'une structure d'exploration de données dans la base de données active.
(Obligatoire)
model list
Liste séparée par des virgules des modèles à valider.
La valeur par défaut est null. Tous les modèles applicables sont alors utilisés. Lorsque la valeur par défaut est utilisée, les modèles de clustering sont automatiquement exclus de la liste des candidats au traitement.
(facultatif)
jeu de données
Valeur entière indiquant quelle partition de la structure d'exploration de données est utilisée pour le test. Cette valeur est dérivée d'un masque de bits qui représente la somme des valeurs suivantes, où chaque valeur individuelle est facultative :
| Category | Valeur |
|---|---|
| Cas d'apprentissage | 0x0001 |
| Scénarios de test | 0x0002 |
| Filtre de modèle | 0x0004 |
Pour obtenir la liste complète des valeurs possibles, consultez la section Remarques de cette rubrique.
(obligatoire)
attribut cible
Chaîne qui contient le nom d'un objet prévisible. Un objet prévisible peut être une colonne, une colonne de table imbriquée ou une colonne clé de table imbriquée d'un modèle d'exploration de données.
(obligatoire)
target state
Chaîne qui contient une valeur spécifique à prédire.
Si une valeur est spécifiée, les mesures sont collectées pour cet état spécifique.
Si aucune valeur n'est spécifiée, ou si la valeur null est spécifiée, les mesures sont calculées pour l'état le plus probable pour chaque prédiction.
La valeur par défaut est null.
(facultatif)
target threshold
Nombre compris entre 0.0 et 1 qui spécifie la probabilité minimale pour que la valeur de prédiction soit comptabilisée comme correcte.
La valeur par défaut est null, ce qui signifie que toutes les prédictions sont comptabilisées comme correctes.
(facultatif)
test list
Chaîne qui spécifie les options de test. Ce paramètre est réservé à un usage futur.
(facultatif)
Type de retour
L'ensemble de lignes retourné contient des scores pour chaque partition et des agrégats pour tous les modèles.
Le tableau ci-dessous dresse la liste des colonnes renvoyées par GetValidationResults.
| Nom de la colonne | Description |
|---|---|
| Modèle | Nom du modèle qui a été testé. All indique que le résultat est un agrégat de tous les modèles. |
| AttributeName | Nom de la colonne prédictible. |
| AttributeState | Une valeur cible dans la colonne prédictible. Si cette colonne contient une valeur, les mesures sont collectées uniquement pour l'état spécifié. Si cette valeur n'est spécifiée, ou si la valeur null est spécifiée, les mesures sont calculées pour l'état le plus probable pour chaque prédiction. |
| PartitionIndex | Indique la partition à laquelle le résultat s'applique. Pour cette procédure, toujours 0. |
| PartitionCases | Entier qui indique le nombre de lignes dans le jeu de cas, en fonction du paramètre du <jeu de> données. |
| Test | Type de test qui a été effectué. |
| Mesure | Nom de la mesure retournée par le test. Les mesures de chaque modèle dépendent du type de modèle et du type de valeur prévisible. Pour obtenir la liste des mesures retournées pour chaque type prévisible, consultez Mesures dans le rapport de validation croisée. Pour obtenir une définition de chaque mesure, consultez Validation croisée (Analysis Services - Exploration de données). |
| Valeur | Valeur de la mesure spécifiée. |
Remarques
Le tableau suivant fournit des exemples des valeurs que vous pouvez utiliser pour spécifier les données de la structure d'exploration de données qui sont utilisées pour la validation croisée. Si vous souhaitez utiliser des scénarios de test pour la validation croisée, la structure d'exploration de données doit déjà contenir un jeu de données de test. Pour plus d’informations sur la définition d’un jeu de données de test quand vous créez une structure d’exploration de données, consultez Jeux de données d’apprentissage et de test.
| Valeur de type entier | Description |
|---|---|
| 1 | Seuls les cas d'apprentissage sont utilisés. |
| 2 | Seuls les scénarios de test sont utilisés. |
| 3 | Les cas d'apprentissage et les scénarios de test sont utilisés. |
| 4 | Combinaison incorrecte. |
| 5 | Seuls les cas d'apprentissage sont utilisés. Le filtre de modèle est appliqué. |
| 6 | Seuls les scénarios de test sont utilisés. Le filtre de modèle est appliqué. |
| 7 | Les cas d'apprentissage et les scénarios de test sont utilisés. Le filtre de modèle est appliqué. |
Pour plus d’informations sur les scénarios dans lesquels vous utiliseriez la validation croisée, consultez Test et validation (exploration de données).
Exemples
Cet exemple retourne les mesures de précision d’un modèle d’arbre de décision unique, v Target Mail DT, associé à la structure d’exploration de données vTargetMail . Le code de la ligne quatre indique que les résultats doivent être basés sur les scénarios de test, filtrés pour chaque modèle par le filtre spécifique à ce modèle. [Bike Buyer] spécifie la colonne qui doit être prédite, et le 1 sur la ligne suivante indique que le modèle sera évalué uniquement pour la valeur 1 spécifique, qui signifie « Oui, achètera ».
La dernière ligne du code spécifie que la valeur de seuil d'état est 0,5. Cela signifie que les prédictions dont la probabilité est supérieure à 50 pour cent doivent être comptabilisées comme de « bonnes » prédictions lors du calcul de la précision.
CALL SystemGetAccuracyResults (
[vTargetMail],
[vTargetMail DT],
6,
'Bike Buyer',
1,
0.5
)
Exemples de résultats :
| ModelName | AttributeName | AttributeState | PartitionIndex | PartitionSize | Test | Mesure | Valeur |
|---|---|---|---|---|---|---|---|
| v Target Mail DT | Bike Buyer | 1 | 0 | 1638 | classification ; | Vrai positif | 605 |
| v Target Mail DT | Bike Buyer | 1 | 0 | 1638 | classification ; | Faux positif | 177 |
| v Target Mail DT | Bike Buyer | 1 | 0 | 1638 | classification ; | Vrai négatif | 501 |
| v Target Mail DT | Bike Buyer | 1 | 0 | 1638 | classification ; | Faux négatif | 355 |
| v Target Mail DT | Bike Buyer | 1 | 0 | 1638 | Vraisemblance | Score du journal | -0.598454638753028 |
| v Target Mail DT | Bike Buyer | 1 | 0 | 1638 | Vraisemblance | Finesse | 0.0936717116894395 |
| v Target Mail DT | Bike Buyer | 1 | 0 | 1638 | Vraisemblance | Erreur quadratique moyenne | 0.361630800104946 |
Configuration requise
La validation croisée est disponible uniquement dans SQL Server Entreprise à compter de SQL Server 2008.
Voir aussi
SystemGetCrossValidationResults (Analysis Services - Exploration de données)
SystemGetAccuracyResults
SystemGetClusterCrossValidationResults (Analysis Services - Exploration de données)
SystemGetClusterAccuracyResults (Analysis Services - Exploration de données)