çapraz doğrulama Sekmesini (madenciliği doğruluğu Grafiği görünümü)
araştırma yapısı cross-sections ve yinelenen bölüm çapraz doğrulama sağlar eğitmek ve her bir Kesitin karşı modelleri sınayın.You specify a number of folds to divide the data into, and each fold is used in turn as the test data, whereas the remaining data is used to train a new model.Analysis Services then generates a set of standard accuracy metrics for each model.Her bir Kesitin için oluşturulan modelleri için ölçümleri karşılaştırarak, araştırma modeli için tüm verileri nasıl güvenilir olduğu için iyi bir fikir edinebilirsiniz küme.
Daha fazla bilgi için bkz:çapraz doğrulama (Analysis Services - veri madenciliği).
Not
Karşılıklı doğrulama kullanılamaz ve kullanarak oluşturulan modelleri Microsoft saat serisi algoritması veya Microsoft Sıra kümeleme algoritması. Bu tür modelleri içeren bir araştırma yapısı raporu çalıştırırsanız, modeller rapora dahil edilmez.
Folds sayısını belirtin.
Durumlarda çapraz doğrulama için kullanılacak maksimum sayısını belirtin.
Öngörülebilir sütun belirtin.
Isteğe bağlı olarak tahmin edilebilir bir durum belirtin.
Isteğe bağlı olarak, küme nasıl öngörü doğruluğunu da kısmını kontrol parametreleri.
' I tıklatın sonuçlar Al çapraz doğrulama sonuçlarını görüntülemek için.
Count doğru katlayın.
Folds veya oluşturmak için bölüm numarasını belirtin.2, En düşük değer olan yarım veri kümesi için sınama ve eğitim yarısı kullanılır anlamına gelir.Oturum madenciliği yapıları için 10 en büyük değerdir.
araştırma yapısı örneğini içinde depolanıyorsa, değeri en fazla 256 olabilir. Analysis Services.
Not
Folds sayısı arttıkça, çapraz doğrulama gerçekleştirmek için gereken süreyi, n ile aynı şekilde artırır.Servis talebi sayısı büyükse, performans sorunlarını ve değeri karşılaşabilirsiniz Count doğru katlayın. ayrıca büyük/küçük harf büyük.
En fazla servis talepleri
Durumlarda çapraz doğrulama için kullanılacak maksimum sayısını belirtin.Belirli bir kat durumlarda sayısı eşittir En fazla servis talepleri bölünmüş değeriCount doğru katlayın. değeri.Kullanıyorsanız 0, kaynak verideki tüm servis talepleri çapraz doğrulama için kullanılır.
Varsayılan değer yoktur.
Not
Servis talebi sayısı arttıkça, işlem saat de artırır.
Hedef öznitelik
Tüm modellerinde bulunan öngörülebilir sütun listesinden bir sütunu seçin.Yalnızca seçebilirsiniz tahmin edilebilir sütun çapraz doğrulama gerçekleştirmek için her saat.Tek bir küme modeli test etmek için seçin... Küme.
Hedef durumu
Bir değer yazın veya bir hedef değer değerler aþaðý açýlan listesinden seçin.Varsayılan değer null, test edilecek tüm durumlarıdır gösteren.
Modelleri kümeleme için devre dışıdır.
Hedef Eşiği
0 Ile 1 üzerinde tahmin durumunu doğru olarak kabul edilen tahmin olasılık belirten bir değer belirtin.Değer olabilir küme 0,1 halinde.Varsayılan değer null, en olası tahmin olarak doğru sayılır gösterir.
Not
Ancak, küme değeri 0.0 bu değeri kullanarak, işlem süresini artırmak ve anlamlı sonuçlar verir.
sonuçlar Al
Çapraz doğrulama modelinin, belirlenen parametreleri kullanarak başlatmak için tıklatın.Model ile belirtilen sayıda folds bölümlendirilir ve ayrı bir model için her kat sınanır.Bu nedenle, geçici-doğrulama sonuçlar döndürmek için biraz saat alabilir.
Çapraz doğrulama raporun sonuçlar yorumlama hakkında daha fazla bilgi için bkz: çapraz doğrulama Rapor (Analysis Services - veri madenciliği).
Doğruluğu eşik ayarlama
Standart bir değeri ayarlayarak tahmin doğruluk ölçmek için denetleyebilirsiniz. HedefEşik.Eşik doğruluk çubuğu bir tür temsil eder.Her tahmin, olasılık öngörülen değer doğru olduğunu atanır.Bu nedenle, siz küme Hedef Eşik değere yakın 1, size, gerektiren olasılığı oldukça yüksek iyi bir tahmin sayılması belirli bir tahmin için.Bunun tersine, size küme Hedef Eşik daha düşük bir olasılık değerleriyle, 0, hatta Öngörüler için gibi "iyi" Öngörüler sayılan.
Veri miktarını ve türünü tahmin yapmakta olan herhangi bir tahmin olasılığını bağlı olduğundan önerilen eşik değer yoktur.Verileriniz için bir uygun doğruluk çubuğu belirlemek için farklı bir olasılık düzeylerde bazı Öngörüler gözden geçirmelidir.Çünkü bunu yapmak önemlidir değeri, küme için Hedef Eşik modeli ölçülmüş doğruluğunu etkiler.
Örneğin, üç Öngörüler belirli hedef durumunu yapılır ve 0,05 0,15 ve 0.8 değerler, her bir tahmin olduğunu varsayalım.Varsa, küme eşik 0,5, yalnızca bir tahmin için doğru olarak sayılır.Varsa küme Hedef Eşik 0,10, iki Öngörüler için sayılan doğru olacak şekilde.
Ne zaman Hedef Eşik olan küme içinnull, varsayılan değeri olduğu için her durum için en olası olan tahmin olarak doğru sayılır. Örnekte, yalnızca bildirilmiş 0,05 0,15 ve 0.8 için üç farklı durumlarda Öngörüler değerler var.Değerler çok farklı olsa da, her bir tahmin doğru olarak çünkü sayılması her durum bir tahmin ve bunlar bu durum s için en iyi olan Öngörüler yalnızca oluşturur.