交叉驗證索引標籤 (採礦精確度圖表檢視)
交叉驗證可讓您將採礦結構資料分割成交叉區段，並反覆地針對每個交叉區段培訓和測試模型。您會指定數個將資料分割成的折疊，然後使用每個折疊當做測試資料，而剩餘的資料則用來培訓新模型。Analysis Services 接著會針對每個模型產生一組標準精確度標準。藉由比較針對每個交叉區段所產生的模型標準，您可以充分瞭解採礦模型對整個資料集而言有多可靠。
如需詳細資訊，請參閱＜交叉驗證 (Analysis Services - 資料採礦)＞。
[!附註]
交叉驗證無法用於使用 Microsoft 時間序列演算法或 Microsoft 序列叢集演算法所建立的模型。如果在包含上述類型之模型的採礦結構上執行報表，則報表中不會包含模型。
指定摺疊數。
指定用於交叉驗證的最大案例數目。
指定可預測的資料行。
選擇性地指定可預測的狀態。
選擇性地設定參數以控制預測精確度的評估方式。
按一下 [取得結果] 以顯示交叉驗證的結果。
摺疊計數
指定要建立之摺疊或資料分割的數目。最小值為 2，代表半數的資料集用於測試，半數用於培訓。工作階段採礦結構的最大值為 10。
如果採礦結構儲存於 Analysis Services 的執行個體，則最大值為 256。
[!附註]
當您增加摺疊計數時，執行交叉驗證所需的時間同樣也會依 n 增加。如果案例數很大而 [摺疊計數] 也很大時，可能會發生效能問題。
最大案例數
指定用於交叉驗證的最大案例數目。任何特定折疊中的案例數都與 [最大案例數] 值除以 [摺疊計數] 值相同。如果使用 0，則來源資料中的所有案例都會用來進行交叉驗證。
沒有預設值。
[!附註]
如果增加案例數，則處理時間也會增加。
目標屬性
從所有模型中的可預測資料行清單選取資料行。每次在執行交叉驗證時只能選取一個可預測資料行。若僅要測試叢集模型，請選取 [叢集]。
目標狀態
輸入值，或從下拉式的值清單選取目標值。預設值為 null，表示要測試所有狀態。
已停用於叢集模型。
目標臨界值
指定 0 和 1 之間代表預測機率的值，高於該值的預測狀態會被視為正確。可以用 0.1 的增量設定此值。預設值是 null，代表會將最可能的預測計為正確。
[!附註]
雖然可以將此值設定為 0.0，但使用此值會增加處理時間且不會產生有意義的結果。
取得結果
按一下即可使用指定的參數開始對模型進行交叉驗證。模型會資料分割成指定的摺疊數，且針對每個折疊測試個別的模型。因此，交叉驗證可能要花一些時間才能傳回結果。
如需有關如何解譯交叉驗證報表結果的詳細資訊，請參閱＜交叉驗證報表 (Analysis Services - 資料採礦)＞。
設定精確度臨界值
您可以藉由設定 [目標臨界值] 的值來控制預測精確度的測量標準。臨界值代表一種精確度列。每個預測都會被指派預測值正確的機率。因此，如果將 [目標臨界值] 的值設定為接近 1，則任何特定預測的機率必須相當高才會計為良好的預測；相反地，如果將 [目標臨界值] 的值設定為接近 0，則即使具有較低機率值的預測也會計為良好的預測。
我們不推薦任何臨界值，因為預測的機率是根據資料量及進行的預測類型而定。您應該以不同的機率層級檢閱一些預測，如此才能為資料判斷適當的精確度列。這項作業很重要，因為您為 [目標臨界值] 所設定的值會影響測量到的模型精確度。
例如，假設針對特定的目標狀態進行了三項預測，而每項預測的機率分別為 0.05、0.15 和 0.8。如果將臨界值設定為 0.5，只有一項預測會計為正確。如果您將 [目標臨界值] 設定為 0.10，其中兩項預測就會計為正確。
當 [目標臨界值] 設定為 null (預設值) 時，會將每個案例最可能的預測計為正確。在剛剛提及的範例中，0.05、0.15 和 0.8 是三個不同案例的預測機率。雖然機率非常不同，但每項預測都會被視為正確，因為每個案例都只會產生一項預測，而這些都是這些案例的最佳預測。