Leçon 5 : test de modèles (Didacticiel sur l'exploration de données de base)
Maintenant que vous avez traité le modèle à l'aide du jeu d'apprentissage du scénario de publipostage ciblé, vous allez tester vos modèles par rapport au jeu de test. La validation est une étape importante du processus d'exploration de données. Il est important de savoir si vos modèles d'exploration de données pour le publipostage ciblé sont efficaces sur des données réelles avant de les déployer dans un environnement de production.
Comme les données dans le jeu de test contiennent déjà des valeurs connues pour l'achat de vélo, il est facile de déterminer si les prédictions du modèle sont correctes. Le modèle qui fonctionne le mieux sera utilisé par le service marketing Adventure Works Cycles pour identifier les clients pour leur campagne de publipostage ciblée.
Dans cette leçon vous allez valider vos modèles à l'aide de plusieurs méthodes :
Vous allez effectuer des prédictions par rapport au jeu de test pour voir la précision du modèle sur les résultats connus. Vous utiliserez un graphique d’élévation pour mesurer son efficacité.
Vous allez tester vos modèles sur un sous-ensemble filtré des données. Comparez plusieurs modèles dans le même graphique de courbes d'élévation.
Test d'un modèle filtré (Didacticiel sur l'exploration de données de base)
Pour plus d’informations sur la validation de modèle en général, consultez Concepts d’exploration de données.
Première tâche de la leçon
Leçon précédente
Leçon suivante
Leçon 6 : création et utilisation de prédictions (Didacticiel sur l'exploration de données de base)
Voir aussi
Onglet Graphique de courbes d'élévation (vue Graphique d'analyse de précision de l'exploration de données)
Graphique de courbes d'élévation (Analysis Services - Exploration de données)
Test et validation (exploration de données)
Onglet Matrice de classification (vue Graphique d'analyse de précision de l'exploration de données)
Matrice de classification (Analysis Services - Exploration de données)