Udostępnij za pośrednictwem

  • Artykuł

Testowanie modelu filtrowanych (podstawowe wyszukiwanie danych samouczek)

Teraz, w ten sposób można stwierdzić, TM_Decision_Tree modelu jest najbardziej dokładny, należy ocenić modelu w kontekście Adventure Works Cycles docelowej kampanii korespondencji. The Adventure Works Cycles Marketing department wants to know if there is a difference in the characteristics of male bike buyers and female bike buyers.Te informacje pomogą im zdecydować, które czasopisma dla reklamy i produktów do funkcji w ich korespondencji.

W tej lekcji modelu, które jest filtrowane, zostanie utworzony na płci.Można następnie łatwo utworzyć kopię modelu i zmieniać tylko Warunek filtru, aby wygenerować nowy model oparty na różnych płci.

Aby uzyskać więcej informacji na temat filtrów Zobacz Tworzenie filtrów dla modeli wyszukiwania (Analysis Services — wyszukiwanie danych).

Korzystanie z filtrów

Filtrowanie umożliwia łatwe tworzenie modeli na podzbiorów danych.Filtr jest stosowany tylko do modelu i nie powoduje zmiany urządzenie źródłowe danych.Aby uzyskać informacje na temat stosowanie filtrów do tabel zagnieżdżonych zobacz Pośrednie samouczków do wyszukiwania danych (Analysis Services — wyszukiwanie danych).

Filtry przypadek tabel

Najpierw utwórz kopię TM_Decision_Tree modelu.

Aby skopiować modelu drzewo decyzyjne

  1. W Business Intelligence Development Studio, w programie eksplorator rozwiązań, wybierz opcję ASDataMining2008.

  2. Kliknij przycisk Modele wyszukiwania tab.

  3. Kliknij prawym przyciskiem myszy TM_Decision_Tree model i wybierz opcję Nowy model wyszukiwania.

  4. W Nazwa modelu Typ poleTM_Decision_Tree_Male.

  5. Kliknij przycisk OK.

Następnie należy utworzyć filtr pozwalający wybrać odbiorców dla modelu, w zależności od ich płci.

Aby utworzyć filtr liter na model wyszukiwania

  1. Kliknij prawym przyciskiem myszy TM_Decision_Tree_Male model wyszukiwania, aby otworzyć menu skrótów.

    -- lub --

    Umożliwia wybranie modelu.Na model wyszukiwania Wybierz opcję menuUstaw filtr modelu.

  2. W Filtr modelu okna dialogowego kliknij górny wiersz w siatce w Kolumna struktura wyszukiwania pole tekstowe.

    Na liście rozwijanej wyświetla tylko nazwy kolumn w tej tabela.

  3. W polu wyszukiwania kolumna struktura wybierz Płeć.

    Ikona po lewej stronie pole tekstu zmieni się, aby wskazać, że wybrany element jest tabela lub kolumna.

  4. Kliknij przycisk Operator pola tekstowego i wybierz operator równości (=) z listy.

  5. Kliknij przycisk Wartość pola tekstowego, a typ M.

  6. Kliknij przycisk Następny wiersz w siatce.

  7. Kliknij przycisk OK , aby zamknąć filtr modelu.

    Wyświetla filtr Właściwości okna.Alternatywnie można uruchomić Filtr modelu okno dialogowe z Właściwości okna.

  8. Powtórz powyższe kroki, ale ta nazwa czas modelu TM_Decision_Tree_Female and type F in the Wartość pole tekstowe.

Masz teraz dwie nowe modele wyświetlane w Modele wyszukiwania tab.

Proces filtrowania modele

Nie można użyć modeli, dopóki nie zostały one rozmieszczone i przetwarzane.Aby uzyskać więcej informacji na temat modeli przetwarzania zobacz Przetwarzanie modele w strukturze skierowanych wysyłkowego (podstawowe wyszukiwanie danych samouczek).

Aby przetwarzać filtrowane modelu

  1. Kliknij prawym przyciskiem myszy TM_Decision_Tree_Male model i wybierz opcję Struktura wyszukiwania proces i wszystkie modelus

  2. Kliknij przycisk Uruchamianie przetwarzać nowe modele.

  3. Po zakończeniu przetwarzania, kliknij przycisk Zamknij w obu oknach przetwarzania

Ocena wyniki

Służy do wyświetlania wyniki i ocenić dokładność filtrowane modeli w bardzo w taki sam sposób, jak została poprzednich trzech modelach.Aby uzyskać więcej informacji, zobacz:

Poznawanie modelu drzewo decyzyjne (podstawowe wyszukiwanie danych samouczek)

Testowanie dokładność z wykresów winda (podstawowe wyszukiwanie danych samouczek)

Aby poznać filtrowane modeli

  1. Wybierz Podgląd górnictwie modelu tab in Projektant wyszukiwanie danych.

  2. Wybierz w polu model wyszukiwania TM_Decision_Tree_Male.

  3. Slajd Pokaż poziom to 3.

  4. Zmiana Tło value to 1.

  5. Umieść kursor nad węzłem etykietą Wszystkie , aby wyświetlić liczbę roweru kupujących i kupujących nie rowerów.

  6. Powtórz kroki od 1 do 5 dla TM_Decision_Tree_Female.

  7. Poznaj wyniki dla TM_Decision_Tree i modeli, filtrowane płci.W porównaniu do wszystkich nabywców rowerów, płci męskiej i kupujących kobieta roweru udostępnić niektóre z tych samych właściwościach jako nabywców niefiltrowanym rower, ale wszystkie trzy ma również interesujące różnice.Jest to użyteczne informacje, Adventure Works Cycles Służy do rozwijania ich kampanii marketingowej.

Aby przetestować dźwigu filtrowane modeli

  1. Przełącz się do Wykres dokładność wyszukiwania kartę w Konstruktorze wyszukiwanie danych w Business Intelligence Development Studio i wybierz opcję Wybór wejścia tab.

  2. W Wybierz zestaw danych do wykresu dokładność pole wybierz grupyUżycie struktura wyszukiwania przypadkach testu.

  3. Na Wybór wejścia kartę Konstruktor wyszukiwanie danych, w obszarze Zaznacz kolumny modelu przewidywalne wyszukiwania, aby przedstawić wykres wzrostu, zaznacz pole wyboru dla Synchronizowanie prognozowania kolumny i wartości.

  4. W Nazwa kolumna przewidywalne kolumna, zweryfikuj, że Rower kupujących jest zaznaczone dla każdego modelu.

  5. W Pokaż kolumna, zaznacz modeli.

  6. W Prognozować wartości Wybierz opcję kolumnie1.

  7. Wybierz wykres wzrostu kartę, aby wyświetlić wykres wzrostu.

    Można teraz zauważyć że wszystkich trzech modelach algorytm zapewniają znaczący dźwigu z losowe Odgadywanie modelu, jak również outperforming klastrowanie i Bayes Naive modeli.