Lezione 5: Test di modelli (esercitazione di base sul data mining)

Dopo aver processato il modello usando il set di training dello scenario di invio mirato, testerai i modelli rispetto all'insieme di test. La convalida è un passaggio importante del processo di data mining. Conoscere le prestazioni dei modelli di data mining per mailing mirati sui dati reali è importante prima di implementare i modelli in un ambiente di produzione.

Poiché i dati nel set di test contengono già valori noti per l'acquisto di biciclette, è facile determinare se le stime del modello sono corrette. Il modello che offre le migliori prestazioni verrà usato dal reparto marketing Adventure Works Cycles per identificare i clienti per la campagna di mailing mirata.

In questa lezione verranno convalidati i modelli usando più metodi:

1. Si effettueranno stime rispetto al set di test per verificare la precisione del modello sui risultati noti. Userai un grafico lift per misurarne l'efficacia.

   Test dell'accuratezza con grafici di sollevamento (esercitazione di base sul data mining)

2. I modelli verranno testati su un sottoinsieme filtrato dei dati. È possibile confrontare più modelli nello stesso grafico lift.

   Test di un modello filtrato (esercitazione di base sul data mining)

Per altre informazioni su come la convalida del modello in generale, vedere Concetti di data mining.

Prima attività nella lezione

Test dell'accuratezza con grafici di sollevamento (esercitazione di base sul data mining)

Lezione precedente

Lezione 4: Esplorazione dei modelli di mailing mirati (esercitazione di base sul data mining)

Lezione successiva

Lezione 6: Creazione e utilizzo di stime (Esercitazione di base sul data mining)

Vedere anche

Scheda Lift Chart (Visualizzazione grafico di accuratezza del data mining)
Grafico dei lift (Analysis Services - Data Mining)
Test e convalida (Data Mining)
Classificazione Matrice Tab (Visualizzazione Grafico Accuratezza Mineração dei dati)
Matrice di classificazione (Analysis Services - Data mining)