SystemGetCrossValidationResults (Analysis Services - 数据挖掘)

适用于: SQL Server 2019 及更早版本的 Analysis Services Azure Analysis Services Fabric/Power BI Premium

重要

SQL Server 2017 Analysis Services 中弃用了数据挖掘,现已在 SQL Server 2022 Analysis Services 中停止使用。 文档不会更新为已弃用和已停用的功能。 若要了解详细信息,请参阅 Analysis Services 向后兼容性。

将挖掘结构分区为指定数量的交叉部分,训练每个分区的模型,然后返回每个分区的准确性指标。

注释

不能使用此存储过程交叉验证使用Microsoft时序算法或Microsoft序列聚类分析算法的聚类分析模型或模型。 若要交叉验证聚类分析模型,请使用单独的存储过程 - SystemGetClusterCrossValidationResults (Analysis Services - 数据挖掘)。

Syntax

  
SystemGetCrossValidationResults(  
<mining structure>  
[, <mining model list>]  
,<fold count>  
,<max cases>  
,<target attribute>  
[,<target state>]  
[,<target threshold>]  
[,<test list>])  

Arguments

挖掘结构
当前数据库中挖掘结构的名称。

(必需)

挖掘模型列表
要验证的挖掘模型的逗号分隔列表。

如果模型名称包含标识符中无效的字符,请将名称括在括号中。

如果未指定挖掘模型列表,该过程将交叉验证属于指定结构且具有可预测属性的所有模型。

注释

若要交叉验证聚类分析模型,请使用单独的存储过程 SystemGetClusterCrossValidationResults (Analysis Services - 数据挖掘)。

(可选)

折叠计数
一个整数,用于指定要分隔数据集的分区数。 最小值为 2。 最大折叠数是 最大整数 或大小写数,以较低者为准。

每个分区包含大约最大 大小写 除以 折叠计数 事例。

没有默认值。

注释

折叠数极大地影响交叉验证时间。 如果选择的折叠过多,查询可能需要很长时间。 在某些情况下,服务器可以停止响应,或者请求可能会超时。

(必需)

最大大小写
整数,指定可在所有折叠中测试的最大事例数。

指定 0时,该过程将使用数据源中的所有事例。

如果指定的值超过数据集中的事例数,该过程将使用数据源中的所有事例。

没有默认值。

(必需)

目标属性
包含可预测属性名称的字符串。 可预测属性可以是挖掘模型的列、嵌套表列或嵌套表键列。

注释

该过程仅在运行时验证目标属性。

(必需)

目标状态
指定要预测的值的公式。 如果指定目标值,该过程将仅收集该值的指标。

如果未指定值或指定 null,则过程会计算每个预测最可能状态的指标。

默认值为 null。

如果指定的值对指定属性无效,或者公式不是指定属性的正确类型,则该过程在验证过程中引发错误。

(可选)

目标阈值
双 精度大于 0 且小于 1。 指示预测必须达到的最小概率分数,以便指定的目标状态正确。

概率小于或等于此值的预测被视为不正确。

如果未指定值或将其设置为 null,该过程将使用最可能的状态,而不考虑其概率分数。

默认值为 null。

注释

如果已将目标阈值0.0设置为,但不要使用此值,SQL Server Analysis Services不会引发错误。 导致过程将概率为零%的预测计数为正确的阈值 0.0 。

(可选)

测试列表
一个指定测试选项的字符串。

注意 此参数保留供将来使用。

(可选)

返回类型

返回的行集包含每个模型中每个分区的分数。

下表描述了行集中的列。

列名 Description
模型名 已测试的模型的名称。
属性名称 可预测列的名称。
AttributeState 可预测列中的指定目标值。 如果此值为 null,则使用最有可能的预测。

如果此列包含一个值,则仅根据此值评估模型的准确性。
PartitionIndex 一个基于 1 的索引,用于标识结果适用的分区。
分区大小 一个整数,指示每个分区中包括了多少个事例。
测试 已执行的测试的类别。 有关每个类别中包含的类别和测试的说明,请参阅 交叉验证报告中的度量值。
Measure 测试返回的度量值的名称。 每个模型的度量值取决于可预测值的类型。 有关每个度量值的定义,请参阅交叉验证(Analysis Services - 数据挖掘)。

有关为每个可预测类型返回的度量值列表,请参阅 交叉验证报告中的度量值。
价值 指定的测试度量值。

注解

使用 - SystemGetAccuracyResults (Analysis Services - 数据挖掘) 返回完整数据集的准确性指标。

当挖掘模型包含折叠时,请使用 SystemGetAccuracyResults (Analysis Services - 数据挖掘) 绕过处理并仅返回交叉验证结果。

例子

以下示例将 [v Target Mail] 挖掘结构拆分为两个折叠,用于交叉验证并测试其 [Target Mail DT] 和 [Target Mail NB] 挖掘模型。

第三行列出了要测试的挖掘模型。 如果未指定列表,该过程将测试与结构关联的所有非聚集模型。 第四行设置分区数。 由于未为 最大事例指定值,因此该过程使用挖掘结构中的所有事例,并将它们均匀分布到分区中。

第五行指定可预测属性,Bike Buyer 和第六行指定要预测的值,1(这意味着“是,将购买”)。

在第七行中, NULL 不设置最小概率阈值。 评估使用具有非零概率的第一个预测来计算准确性。

CALL SystemGetCrossValidationResults(  
[v Target Mail],  
[Target Mail DT], [Target Mail NB],  
2,  
'Bike Buyer',  
1,  
NULL  
)  

示例结果:

模型名 属性名称 AttributeState PartitionIndex 分区大小 测试 Measure 价值
目标邮件 DT 自行车购买者 1 1 500 Classification 真正阳性 144
目标邮件 DT 自行车购买者 1 1 500 Classification 假正 105
目标邮件 DT 自行车购买者 1 1 500 Classification 真阴性 186
目标邮件 DT 自行车购买者 1 1 500 Classification 假阴性 65
目标邮件 DT 自行车购买者 1 1 500 可能性 日志分数 -0.619042807138345
目标邮件 DT 自行车购买者 1 1 500 可能性 电梯 0.0740963734002671
目标邮件 DT 自行车购买者 1 1 500 可能性 根平均平方误差 0.346946279977653
目标邮件 DT 自行车购买者 1 2 500 Classification 真正阳性 162
目标邮件 DT 自行车购买者 1 2 500 Classification 假正 86
目标邮件 DT 自行车购买者 1 2 500 Classification 真阴性 165
目标邮件 DT 自行车购买者 1 2 500 Classification 假阴性 87
目标邮件 DT 自行车购买者 1 2 500 可能性 日志分数 -0.654117781086519
目标邮件 DT 自行车购买者 1 2 500 可能性 电梯 0.038997399132084
目标邮件 DT 自行车购买者 1 2 500 可能性 根平均平方误差 0.342721344892651

要求

从 2008 SQL Server 开始,交叉验证仅在 SQL Server Enterprise 中可用。

另请参阅