選擇要用於測試採礦模型的數據行

適用於： SQL Server 2019 和舊版 Analysis Services Azure Analysis Services Fabric/Power BI Premium

重要

SQL Server 2017 Analysis Services 中已淘汰數據採礦，現在已在 SQL Server 2022 Analysis Services 中停止。 檔不會更新為已淘汰和已停止的功能。 若要深入瞭解，請參閱 Analysis Services 回溯相容性。

您必須先決定要評估的結果，才能測量採礦模型的精確度。 大部分的數據採礦模型都需要您在建立模型時，至少選擇一個數據行做為可預測屬性。 因此，當您測試模型的精確度時，您通常必須選取要測試的屬性。

下列清單說明選擇要用於測試的可預測屬性的一些額外考慮：

• 某些類型的數據採礦模型可以預測多個屬性，例如類神經網路，其可以探索許多屬性之間的關聯性。

• 其他類型的採礦模型，例如群集模型，不一定具有可預測的屬性。 除非叢集模型具有可預測的屬性，否則無法進行測試。

• 若要建立散佈圖或測量回歸模型的精確度，您必須選擇連續可預測屬性做為結果。 在此情況下，您無法指定目標值。 如果您要建立散佈圖以外的任何專案，基礎採礦結構數據行也必須具有 離散 或 離散化的內容類型。

• 如果您選擇離散屬性做為可預測的結果，您也可以指定目標值，或將 預測值 字段保留空白。 如果您包含 預測值，圖表只會測量模型預測目標值的有效性。 如果您未指定目標結果，模型會測量其預測所有結果的正確性。

• 如果您想要包含多個模型，並將其比較在單一精確度圖表中，所有模型都必須使用相同的可預測數據行。

• 當您建立交叉驗證報表時，SQL Server Analysis Services 會自動分析具有相同可預測屬性的所有模型。

• 當選取 [同步預測數據行] 和 [值] 選項時，SQL Server Analysis Services 會自動選擇具有相同名稱和相符數據類型的可預測數據行。 如果您的資料行不符合這些準則，您可以關閉此選項，並手動選擇可預測的數據行。 如果您要使用與模型不同的資料行的外部數據集來測試模型，您可能需要執行此動作。 不過，如果您選擇具有錯誤的數據行類型，您會收到錯誤或不正確的結果。

指定要預測的結果

1. 按兩下採礦結構，在數據採礦設計師中開啟它。

2. 選取 [採礦精確度圖表] 索引標籤。

3. 選取 [輸入選取] 索引標籤 。

4. 在 [輸入選取範圍] 索引標籤的 [可預測數據行名稱]下，針對圖表中包含的每個模型選取一個可預測的數據行。

   [可預測數據行名稱] 方塊中可用的採礦模型數據行，只有使用類型設定為 Predict 或 Predict Only。

5. 如果您想要判斷模型的增益，您必須從 預測值 清單中選擇要測量的特定結果值。

另請參閱

選擇和對應模型測試數據
選擇精確度圖表類型和設定圖表選項