次の方法で共有


SystemGetAccuracyResults (Analysis Services - データ マイニング)

マイニング構造と関連するすべてのモデル (クラスター モデルを除く) に対するクロス検証の精度基準を返します。

このストアド プロシージャは、データセット全体の基準を 1 つのパーティションとして返します。 データセットをセクションにパーティション分割して、各パーティションの基準を返すには、SystemGetCrossValidationResults (Analysis Services - データ マイニング) を使用してください。

注意

このストアド プロシージャは、Microsoft タイム シリーズ アルゴリズムや Microsoft シーケンス クラスター アルゴリズムを使用して作成されたモデルではサポートされていません。 また、クラスター モデルには、別のストアド プロシージャ SystemGetClusterAccuracyResults (Analysis Services - データ マイニング) を使用してください。

構文

SystemGetAccuracyResults(<mining structure>, 
[,<mining model list>]
,<data set>
,<target attribute>
[,<target state>]
[,<target threshold>]
[,<test list>])

引数

  • mining structure
    現在のデータベースのマイニング構造の名前。

    (必須)

  • model list
    検証するモデルのコンマ区切りの一覧。

    既定値は null です。 つまり、適用可能なモデルがすべて使用されます。 既定値を使用すると、クラスター モデルは処理の対象一覧から自動的に除外されます。

    (省略可)

  • data set
    テストに使用される、マイニング構造のパーティションを示す整数値。 この値は、次の値の合計を表すビットマスクから派生しています。この場合、いずれの値も省略可能です。

    トレーニング ケース

    0x0001

    テスト ケース

    0x0002

    モデル フィルター

    0x0004

    指定可能な値の一覧については、このトピックの「解説」を参照してください。

    (必須)

  • target attribute
    予測可能なオブジェクトの名前を表す文字列。 予測可能なオブジェクトには、マイニング モデルの列、入れ子になったテーブル列、または入れ子になったテーブル キー列を指定できます。

    (必須)

  • target state
    予測する特定の値を表す文字列。

    値を指定した場合、その特定の状態の基準が収集されます。

    値を指定しなかった場合、または Null を指定した場合は、予測ごとに最も可能性の高い状態の基準が計算されます。

    既定値は null です。

    (省略可能)

  • target threshold
    予測値が正確であると見なされる最小確率を示す 0.0 ~ 1 の範囲の数値。

    既定値は null です。これは、すべての予測が正しいと見なされることを意味します。

    (省略可能)

  • test list
    テスト オプションを指定する文字列。 このパラメーターは将来使用するために予約されています。

    (省略可能)

戻り値の型

返される行セットには、各パーティションのスコアと、すべてのモデルの集計が含まれます。

次の表は、GetValidationResults によって返される列の一覧です。

列名

説明

Model

テストされたモデルの名前。 All は、結果がすべてのモデルの集計であることを示します。

AttributeName

予測可能列の名前。

AttributeState

予測可能列の対象の値。

この列に値が含まれる場合、指定した状態の基準だけが収集されます。

この値が指定されていない場合や Null の場合は、予測ごとに最も可能性の高い状態の基準が計算されます。

PartitionIndex

結果が適用されるパーティションを表します。

このプロシージャでは、常に 0 になります。

PartitionCases

<data set> パラメーターに基づいた、ケース セットの行数を示す整数。

Test

実行されたテストの種類。

Measure

テストから返されたメジャーの名前。 各モデルのメジャーは、モデルの種類と、予測可能な値の型によって異なります。

予測可能な型ごとに返されるメジャーの一覧については、「相互検証レポートのメジャー」を参照してください。

各メジャーの定義については、「相互検証 (Analysis Services - データ マイニング)」を参照してください。

指定したメジャーの値。

説明

次の表は、クロス検証に使用されるマイニング構造のデータを指定するために使用できる値の例を示しています。 クロス検証にテスト ケースを使用する場合、マイニング構造には、既にテスト データセットが含まれている必要があります。 マイニング構造の作成時にテスト データセットを定義する方法の詳細については、「トレーニング データ セットとテスト データ セット」を参照してください。

整数値

説明

1

トレーニング ケースのみが使用されます。

2

テスト ケースのみが使用されます。

3

トレーニング ケースとテスト ケースの両方が使用されます。

4

無効な組み合わせです。

5

トレーニング ケースのみが使用され、モデル フィルターが適用されます。

6

テスト ケースのみが使用され、モデル フィルターが適用されます。

7

トレーニング ケースとテスト ケースの両方が使用され、モデル フィルターが適用されます。

クロス検証を使用するシナリオの詳細については、「テストおよび検証 (データ マイニング)」を参照してください。

使用例

この例では、vTargetMail マイニング構造に関連付けられている 1 つのデシジョン ツリー モデル v Target Mail DT の精度のメジャーを返します。 4 行目のコードは、結果が、テスト ケースに基づいていて、モデルごとにそのモデル固有のフィルターでフィルター処理されていることを示します。 [Bike Buyer] は、予測される列を指定し、その次の行の 1 は、モデルが特定の値 1 ("はい、購入します") に対してのみ評価されることを示します。

コードの最後の行では、状態のしきい値が 0.5 であることを指定します。 つまり、確率が 50% を超える予測は、精度を計算する際に "良い" 予測であると見なされます。

CALL SystemGetAccuracyResults (
[vTargetMail],
[vTargetMail DT],
6,
'Bike Buyer',
1,
0.5
)

サンプルの結果 :

ModelName

AttributeName

AttributeState

PartitionIndex

PartitionSize

Test

Measure

v Target Mail DT

Bike Buyer

1

0

1638

Classification

True Positive

605

v Target Mail DT

Bike Buyer

1

0

1638

Classification

False Positive

177

v Target Mail DT

Bike Buyer

1

0

1638

Classification

True Negative

501

v Target Mail DT

Bike Buyer

1

0

1638

Classification

False Negative

355

v Target Mail DT

Bike Buyer

1

0

1638

Likelihood

Log Score

-0.598454638753028

v Target Mail DT

Bike Buyer

1

0

1638

Likelihood

Lift

0.0936717116894395

v Target Mail DT

Bike Buyer

1

0

1638

Likelihood

Root Mean Square Error

0.361630800104946

要件

相互検証は SQL Server 2008 以降の SQL Server Enterprise でのみ使用できます。

関連項目

参照

SystemGetCrossValidationResults (Analysis Services - データ マイニング)

SystemGetAccuracyResults (Analysis Services - データ マイニング)

SystemGetClusterCrossValidationResults (Analysis Services - データ マイニング)

SystemGetClusterAccuracyResults (Analysis Services - データ マイニング)