交叉驗證公式
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。
當您產生交叉驗證報告時，它會根據採礦模型的類型（也就是用來建立模型的演算法）、可預測屬性的數據類型，以及可預測的屬性值，包含每個模型的精確度量值。
本節列出交叉驗證報表中使用的量值，並描述計算方法。
如需依模型類型的精確度量值明細，請參閱交叉驗證報告中 量值。
用於交叉驗證量值的公式
注意
重要事項： 每個目標屬性都會計算這些精確度量值。 針對每個屬性，您可以指定或省略目標值。 如果資料集中的案例沒有目標屬性的任何值，此案例會被視為具有稱為 遺漏值的特殊值。 計算特定目標屬性的精確度量值時，不會計算遺漏值的數據列。 請注意，由於會個別計算每個屬性的分數，如果目標屬性的值存在，但其他屬性遺漏，則不會影響目標屬性的分數。
| 量 | 適用於 | 實現 |
|---|---|---|
| 真 | 離散屬性，已指定值 | 符合這些條件的案例計數： 案例包含目標值。 模型預測該案例包含目標值。 |
| true 負數 | 離散屬性，已指定值 | 符合這些條件的案例計數： Case 不包含目標值。 模型預測該案例不包含目標值。 |
| 誤判 | 離散屬性，已指定值 | 符合這些條件的案例計數： 實際值等於目標值。 模型預測該案例包含目標值。 |
| 誤判 | 離散屬性，已指定值 | 符合這些條件的案例計數： 實際值不等於目標值。 模型預測該案例不包含目標值。 |
| 通過/失敗 | 離散屬性，沒有指定的目標 | 符合這些條件的案例計數： 如果具有最高機率的預測狀態與輸入狀態相同，且機率大於 狀態臨界值的值，則傳遞。 否則，會失敗。 |
| 增益 | 離散屬性。 您可以指定目標值，但並非必要。 | 目標屬性值之所有數據列的平均記錄可能性，其中每個案例的記錄可能性都會計算為Log（ActualProbability/MarginalProbability）。 若要計算平均值，記錄可能性值的總和會除以輸入數據集中的數據列數目，排除目標屬性遺漏值的數據列。 增益可以是負值或正值。 正值表示優於隨機猜測的有效模型。 |
| 記錄分數 | 離散屬性。 您可以指定目標值，但並非必要。 | 每個案例的實際機率記錄、加總，然後除以輸入數據集中的數據列數目，並排除目標屬性遺漏值的數據列。 因為機率是以小數點表示，因此記錄分數一律為負數。 接近 0 的分數是更好的分數。 |
| 案例可能性 | 簇 | 所有案例的叢集可能性分數總和，除以分割區中的案例數目，排除目標屬性遺漏值的數據列。 |
| 平均絕對誤差 | 連續屬性 | 分割區中所有案例的絕對錯誤總和，除以分割區中的案例數目。 |
| 根平均平方誤差 | 連續屬性 | 分割區平均平方誤差的平方根。 |
| 根平均平方誤差 | 離散屬性。 您可以指定目標值，但並非必要。 | 機率分數補碼平方平方的平方根，除以分割區中的案例數目，不包括目標屬性遺漏值的數據列。 |
| 根平均平方誤差 | 離散屬性，沒有指定的目標。 | 機率分數補碼之平方平方的平方根，除以分割區中的案例數目，不包括目標屬性遺漏值的案例。 |