Udostępnij za pośrednictwem

  • Artykuł

wykres wzrostu (Analysis Services — wyszukiwanie danych)

Można przeglądać różne rodzaje wykresów w wykres wzrostu Karta Wykres dokładność wyszukiwania kartę Konstruktor wyszukiwanie danych, w zależności od modelu, który zostanie wybrany, przewidywalne atrybut w modelu i inne ustawienia.

Jeśli model przewiduje wartość discrete, można utworzyć wykres wzrostu lub wykres zysków.wykres wzrostu porównuje dokładność prognoz każdego modelu, a następnie można skonfigurować w taki sposób, aby pokazać dokładności prognoz na ogół lub do przewidywania określonej wartości.wykres zysków jest typ powiązanych wykresu, który zawiera te same informacje, jak wykres wzrostu, ale zawiera także przewidywany wzrost zysku, który jest skojarzony z za pomocą każdego modelu.Użycie Typ wykresu listę, aby wybrać typ wykresu.

Uwaga   Nie można wyświetlić modele serii czas wykres wzrostu lub zysku wykresu, ale mogą przeglądać wykres, który zawiera historyczne serii i przewidywanie oparte na serii danych przy użyciu sModel górnictwo przewidywanie tab.Aby uzyskać więcej informacji zobaczMicrosoft Time Series Algorithm.

Aby uzyskać więcej informacji:wykres zysków (Analysis Services — wyszukiwanie danych), Wykres punktowy rysowania (Analysis Services — wyszukiwanie danych)

Scenariusz

The wykres wzrostu tab displays a graphical representation of the change in lift that a model wyszukiwania causes.Na przykład dział marketingu w Adventure Works Cycles chce, aby utworzyć docelowej kampanii korespondencji. Z kampanii, w przeszłości oni wiedzieli, że szybkość reakcji 10 procent jest typowe.Mają one lista 10 000 potencjalnych klientów, przechowywane w tabela w bazie danych.W związku z tym w zależności od szybkości odpowiedzi na typowe one mogą oczekiwać 1000 potencjalnych klientów na odpowiedź.

Jednak pieniędzy budżetu dla projektu nie są wystarczające do dotarcia do wszystkich 10 000 klientów w bazie danych.W oparciu o budżet, ich można przyznać poczty anons tylko 5000 klientom.Dział marketingu ma dwie możliwości:

  • Losowo wybierz 5000 klientów miejsce docelowe

  • Przy użyciu model wyszukiwania do miejsce docelowe 5000 klientów, którzy są najbardziej prawdopodobna odpowiedź

Jeśli firma losowo wybiera 5000 klientów, one mogą oczekiwać otrzymywać odpowiedzi tylko 500, na podstawie stopy typowe odpowiedzi.W tym scenariuszu jest to, co losowe wykres wzrostu linią.Jednak: jeśli dział marketingu korzysta z model wyszukiwania związanych z ich korespondencji, mogą one oczekiwać większą szybkość odpowiedzi, ponieważ mogą one miejsce docelowe klientów, którzy są najbardziej prawdopodobna odpowiedź.Jeśli model jest doskonałe, oznacza to, że model tworzy prognoz, które nigdy nie są nieprawidłowe, a firma może oczekiwać, że do odbierania odpowiedzi 1000 za pomocą korespondencji do 1000 potencjalnych klientów, zalecane przez model.W tym scenariuszu jest to, co idealnym rozwiązaniem wykres wzrostu linią.Rzeczywistość to, czy model wyszukiwania najprawdopodobniej znajduje się między tymi dwoma ekstremalne; między losowe parametru przypuszczenie i przewidywanie doskonałe.Wszystkie ulepszenia z losowo wynik jest uważana za dźwigu.

Opis wykres wzrostu

Można tworzyć dwa typy wykresów dźwigu: jeden, w której zostanie określone wartości miejsce docelowe dla przewidywalnych kolumna i jedną w których nie określono wartości. Podczas przełączania między Wybór wejścia Karta a wykres wzrostu kartę, wykres zostanie zaktualizowany tak, aby odzwierciedlić wszystkie zmiany wprowadzone w mapowania kolumn lub inne ustawienia.

wykres wzrostu z wartość docelową

Następujący wykres pokazuje wykres wzrostu dla Docelowa wysyłkowe tworzonego w modeluPodstawowe wyszukiwanie danych — samouczek. Na tym wykresie program atrybut docelowego jest [Bike Buyer], a wartości miejsce docelowe jest 1, co oznacza, że klient zakupionych roweru ani jest prawdopodobne to zrobić.wykres wzrostu przedstawia w ten sposób poprawy model zawiera przy wskazywaniu klientów, którzy mogą kupić rowerów.

Oprócz podstawowy model wykres zawiera powiązanych modeli, które filtrowana określonych odbiorców miejsce docelowe.Można dodawać wiele modeli na wykres wzrostu, dopóki wszystkie modele mają ten sam atrybut przewidywalne.Ten filtr ogranicza przypadkach używane w szkolenia i w ocenie do klientów, którzy są w wieku z 30.W wyniku liczbę przypadków, której wartość jest wyznaczana w modelu, przed różni się dla modelu podstawowego i filtrowane modelu.Punkt ten jest pamiętać podczas interpretowania wyniki prognozowania i inne dane statystyczne.

lift chart showing two models

oś x wykresu reprezentuje wartość procentową test zestawu danych, który służy do porównywania prognoz.Oś y wykresu reprezentuje wartość procentową przewidywane wartości.

Ukośnych linii prostej, w tym miejscu wyświetlane w kolorze niebieskim, pojawia się w każdym wykresu.Reprezentuje wyniki zgadywanie losowe, a jest plan bazowy, względem której należy obliczyć dźwigu.Dla każdego modelu, który można dodać do wykresu dźwigu otrzymasz dwa dodatkowe wiersze: Jeżeli można utworzyć model, który zawsze przewidywane dokładnie jeden wiersz zawiera idealne wyniki dla zestaw danych i szkolenia, a drugi wiersz zawiera rzeczywiste dźwigu, lub ulepszenia w wyniki dla modelu.

W tym przykładzie wiersz idealnie nadaje się dla filtrowanych modelu jest wyświetlana w ciemnoniebieski, a wiersz dla rzeczywistego dźwigu na żółto.Można odróżnić z wykresu czy linię idealnie nadaje się pików około 40 procent, co oznacza, że jeśli doskonałe modelu, użytkownik może wykorzystywać do 100 procent klientów docelowych wysyłając korespondencję tylko 40 % całej zapełnianie.Rzeczywiste dźwigu filtrowane modelu podczas docelowe 40 procent zapełnianie jest między 60, 70 procent, co oznacza 60-70 procent klientów miejsce docelowe można osiągnąć przez wysyłanie korespondencji do 40 procent zapełnianie całkowita klientów.

The Mining Legend contains the actual values at any point on the curves.Możesz zmienić miejsce, w którym jest mierzona klikając pionowy pasek szare i przenosząc ją.Na wykresie szarych linii została przeniesiona do 30 procent, ponieważ jest to punkt, w którym modeli filtrowane i niefiltrowanym wydają się być najbardziej efektywne, a po odrzuceniu tego punktu ilość dźwigu.

The Mining Legend also contains scores and statistics that help you interpret the chart.Wyniki te reprezentują dokładności modelu w wierszu szarości, które w tym scenariuszu jest umieszczony dołączyć 30 procent ogólnych przypadków testu.

Seria, model

Wynik

zapełnianie miejsce docelowe

Przewidywanie prawdopodobieństwa

Celem wszystkich korespondencji

0.71

47.40%

61.38%

Celem korespondencji poniżej 30

0.85

51.81%

46.62%

Model losowy wynik

  

31.00%

  

Idealnym rozwiązaniem modelu dla: Celem korespondencji wszystkich

  

62.48%

  

Idealnym rozwiązaniem modelu dla: Celem korespondencji poniżej 30

  

65.28%

  

Wyniki te można zobaczyć, mierzoną w 30 procent wszystkich przypadkach model ogólny (Targeted wszystkie korespondencji) można przewidzieć rowerów, kupowanie zachowanie % 47.40 zapełnianie miejsce docelowe.Innymi słowy, jeżeli wysłała korespondencji miejsce docelowe ed tylko 30 procent klientów w bazie danych zostanie mogą osiągnąć nieco mniej niż połowa sieci miejsce docelowe odbiorców.Jeśli użyto filtrowane modelu mogą osiągnąć około 51 procent klientów docelowych.

Wartość parametru Przewidywanie prawdopodobieństwa reprezentuje próg zobowiązana do dołączenia odbiorcy między przypadkach "może kupić".W każdym z przypadków modelu szacuje dokładności każdego przewidywanie i zapisanie tej wartości, które można wykorzystać do filtrowania z lub do klientów miejsce docelowe.Na przykład do identyfikacji klientów z modelu podstawowego, którzy są prawdopodobnie kupującym, należałoby użyć kwerendy do pobierania przypadkach z prawdopodobieństwem Predict co najmniej 61 procent.Aby klienci skierowana filtrowane modelu, należy utworzyć kwerendę, która pobierane sprawy, które spełniają wszystkie kryteria: wiek i PredictProbability wartość co najmniej 46 procent.

Jest to interesujące porównywanie modeli.Filtrowane modelu wydaje się być przechwytywania kilku potencjalnych klientów, ale gdy miejsce docelowe odbiorców z wynikiem prawdopodobieństwo przewidywanie 46 procent, również masz szansę procent 53 wysyłać korespondencję do osoby, która nie będzie kupują rowerów.W związku z tym, czy zostały Decydowanie, który model jest lepszy, czy ma być saldo większej dokładności i mniejszych miejsce docelowe rozmiar przefiltrowanych modelu przed selectiveness podstawowe modelu.

Wartość parametru Wynik ułatwia porównanie modeli obliczając skuteczności modelu całej zapełnianie znormalizowane.Więcej punktów jest lepszy, więc w tym przypadek użytkownik może zdecydować, że docelowych odbiorców na podstawie 30 jest najbardziej skutecznych strategii, pomimo niższe prawdopodobieństwo przewidywanie.

wykres wzrostu dla modelu z nie wartość docelową

Stan przewidywalna kolumna nie zostanie określony, należy utworzyć odpowiedni typ wykresu pokazano na poniższym diagramie.Ten wykres pokazuje, jak wykonuje modelu dla wszystkich stanów przewidywalne atrybut.Na przykład wykres czy określić jak model prognozuje zarówno klienci, którzy mogą kupić roweru i osób, które jest mało prawdopodobne, aby kupić rowerów.

oś x jest taka sama, jak na wykresie przewidywalne określonych kolumna, ale oś y teraz reprezentuje wartość procentową prognoz, które są poprawne.Dlatego linię idealnie nadaje się jest ukośnych linii, które wskazuje, że na 50 procent danych, model poprawnie prognozuje 50 % spraw, maksimum, które można się spodziewać.

Lift chart showing correct predictions

Można kliknąć na wykresie, aby przenieść pionowy szary pasek oraz Legenda wyszukiwania Wyświetla procent przypadków ogólny i procent sprawy, które zostały prawidłowo przewidywane.Na przykład, jeśli ustaw pasek suwaka szary w znaku 50 procent Legenda wyszukiwania wyświetla następujące wyniki dokładności.Liczby te są oparte na modelu drzewa TM_Decision utworzony w podstawowym samouczek wyszukiwanie danych.

Seria, model

Wynik

zapełnianie miejsce docelowe

Przewidywanie prawdopodobieństwa

Drzewo TM_Decision

0.77

40.50%

72.91%

Idealnym rozwiązaniem modelu

  

50.00%

  

W tej tabela informuje, że na 50 procent zapełnianie, model, który został utworzony prawidłowo prognozuje 40 procent przypadków.Warto rozważyć to właściwie dokładne modelu.Należy jednak pamiętać, że ta określonego modelu prognozuje wszystkie wartości atrybut przewidywalne.Dlatego modelu może być dokładne w przewidywaniu, że 90 procent klientów nie kupują rowerów.

Uwaga

Dokładność przewidywanie dla wszystkich wartości discrete przewidywalne atrybut jest wyświetlana w jednym wierszu.Chcąc wyświetlić wiersze od dokładności przewidywanie dla każdej wartości poszczególnych przewidywalne atrybut, należy utworzyć oddzielne wykres wzrostu dla tej wartości.

Powrót do początku

Tworzenie wykresu winda

The Basic wyszukiwanie danych Tutorial includes a walkthrough of how to create a wykres wzrostu for the Targeted Mailing model.Aby uzyskać więcej informacji zobaczTestowanie dokładność z wykresów winda (podstawowe wyszukiwanie danych samouczek).

Aby procedura krok po kroku, które ma obowiązywać dla wszystkich typów wykresów zobacz Jak Utworzyć wykres dokładność dla model wyszukiwania.