Compartilhar via

  • Artigo

Testando um modelo filtrado (Tutorial de mineração de dados básico)

Agora que você determinou que o modelo TM_Decision_Tree é o mais preciso, avalie-o no contexto da campanha de mala direta do Ciclos da Adventure Works. O departamento de Marketing da deseja saber se há uma diferença entre as características de compradores de bicicleta homens e compradores de bicicleta mulheres. Essas informações os ajudarão a decidir que revistas serão usadas para propaganda e que produtos deverão ser incluídos em sua correspondência.

Nesta lição, criaremos um modelo filtrado por gênero. Você pode fazer facilmente uma cópia desse modelo e alterar apenas a condição de filtro para gerar um novo modelo com base em um gênero diferente.

Para obter mais informações sobre filtros, consulte Criando filtros para modelos de mineração (Analysis Services - Mineração de dados).

Usando filtros

A filtragem permite que você crie com facilidade modelos criados com base em subconjuntos de seus dados. O filtro só é aplicado ao modelo e não altera a fonte de dados subjacente. Para obter mais informações sobre a aplicação de filtros em tabelas aninhadas, consulte Tutorial de mineração de dados intermediário (Analysis Services – Mineração de dados).

Filtros em tabelas de casos

Primeiro você fará uma cópia do modelo TM_Decision_Tree.

Para copiar o modelo de árvore de decisão

  1. No Gerenciador de Soluções do Business Intelligence Development Studio, selecione ASDataMining2008.

  2. Clique na guia Modelos de Mineração.

  3. Clique com o botão direito do mouse no modelo TM_Decision_Tree e selecione Novo Modelo de Mineração.

  4. No campo Nome do modelo, digite TM_Decision_Tree_Male.

  5. Clique em OK.

Em seguida, crie um filtro para selecionar clientes para o modelo baseado em gênero.

Para criar um filtro de caso em um modelo de mineração

  1. Clique com o botão direito do mouse no modelo de mineração TM_Decision_Tree_Male para abrir o menu de atalho.

    – ou –

    Selecione o modelo. No menu Modelo de Mineração, selecione Definir Filtro de Modelos.

  2. Na caixa de diálogo Filtro de Modelos, clique na linha superior da grade, na caixa de texto Coluna da Estrutura de Mineração.

    A lista suspensa só exibe os nomes das colunas dessa tabela.

  3. Na caixa de texto Coluna da Estrutura de Mineração, selecione Gênero.

    O ícone no lado esquerdo da caixa de texto muda para indicar que o item selecionado é uma tabela ou uma coluna.

  4. Clique na caixa de texto Operador e selecione o operador igual (=) na lista.

  5. Clique na caixa de texto Valor e digite M.

  6. Na grade, clique na linha seguinte.

  7. Clique em OK para fechar o Filtro de Modelos.

    O filtro será exibido na janela Propriedades. Como alternativa, você pode abrir a caixa de diálogo Filtro de Modelos na janela Propriedades.

  8. Repita as etapas acima, mas desta vez chame o modelo de TM_Decision_Tree_Female e digite F na caixa de texto Valor.

Agora você tem dois novos modelos exibidos na guia Modelos de Mineração.

Processar os modelos filtrados

Os modelos só poderão ser usados depois de serem implantados e processados. Para obter informações sobre o processamento de modelos, consulte Processando modelos na estrutura de mala direta (Tutorial de mineração de dados básico).

Para processar o modelo filtrado

  1. Clique com o botão direito do mouse no modelo TM_Decision_Tree_Male e selecione Processar Estrutura de Mineração e Todos os Modelos.

  2. Clique em Executar para processar os novos modelos.

  3. Depois que o processamento estiver completo, clique em Fechar em ambas as janelas de processamento.

Avaliar os resultados.

Examine os resultados e avalie a precisão dos modelos filtrados da mesma forma como foi feito nos três modelos anteriores. Para obter mais informações, consulte:

Explorando o modelo de árvore de decisão (Tutorial de mineração de dados básico)

Testando a precisão com gráficos de comparação de precisão (Tutorial de mineração de dados básico)

Para explorar os modelos filtrados

  1. Selecione a guia Visualizador do Modelo de Mineração no Designer de Mineração de Dados.

  2. Na caixa Modelo de Mineração, selecione TM_Decision_Tree_Male.

  3. Deslize Mostrar Nível até 3.

  4. Altere o valor de Plano de Fundo para 1.

  5. Coloque o cursor sobre o nó chamado Todos para ver o número de compradores de bicicleta versus os não-compradores de bicicleta.

  6. Repita as etapas de 1 a 5 para TM_Decision_Tree_Female.

  7. Explore os resultados de TM_Decision_Tree e dos modelos filtrados por gênero. Em comparação a todos os compradores de bicicleta, os compradores de bicicleta homens e mulheres compartilham as mesmas características dos compradores de bicicleta não filtrados, mas todos os três também possuem diferenças interessantes. Essas informações são úteis para que a Ciclos da Adventure Works possa usá-las no desenvolvimento de sua campanha de marketing.

Para testar a comparação de precisão dos modelos filtrados

  1. Alterne para a guia Gráfico de Precisão de Mineração do Designer de Mineração de Dados no Business Intelligence Development Studio e selecione a guia Seleção de Entrada.

  2. Na caixa de grupo Selecionar conjunto de dados a ser usado para o Gráfico de Precisão, selecione Usar casos de teste da estrutura de mineração.

  3. Na guia Seleção de Entrada do Designer de Mineração de dados, sob Selecionar colunas do modelo de mineração previsível a serem mostradas no gráfico de comparação de precisão, marque a caixa de seleção de Sincronizar Colunas e Valores de Previsão.

  4. Na coluna Nome de Coluna Previsível, verifique se Comprador de Bicicleta foi selecionado para cada modelo.

  5. Na coluna Mostrar, selecione cada um dos modelos.

  6. Na coluna Valor de Previsão, selecione 1.

  7. Selecione a guia Gráfico de Comparação de Precisão para exibir o gráfico de comparação de precisão.

    Você observará que todos os três modelos de Árvore de Decisão oferecem uma comparação de precisão significativa a partir do modelo de Previsão Aleatório, além de superarem os modelos Clustering e Naive Bayes.