SystemGetClusterCrossValidationResults (Analysis Services - 資料採礦)

將採礦結構分割成指定數目的交叉區段、定型每一個資料分割的模型，然後傳回每一個資料分割的精確度度量。

注意：這個預存程序只能搭配至少包含一個群集模型的採礦結構使用。若要交叉驗證非群集模型，您必須使用＜SystemGetCrossValidationResults (Analysis Services - 資料採礦)＞。

語法

SystemGetClusterCrossValidationResults(
<structure name>, 
[,<mining model list>]
,<fold count>}
,<max cases>
<test list>])

傳回類型資料表包含每一個個別資料分割的分數及所有模型的彙總。

下表描述傳回的資料行。

資料行名稱	說明
ModelName	已測試的模型名稱。
AttributeName	可預測的資料行名稱。如果是群集模型，一定是 null。
AttributeState	可預測資料行內的指定目標值。如果是群集模型，一定是 null.。
PartitionIndex	以 1 為基準的索引，可識別套用結果的資料分割。
PartitionSize	指示每一個資料分割內包含了多少案例數的整數。
Test	已執行的測試類型。
Measure	測試所傳回之量值的名稱。每一個模型的量值都取決於可預測值的類型。如需每一個量值的定義，請參閱＜交叉驗證 (Analysis Services - 資料採礦)＞。如需每一個可預測類型所傳回的量值清單，請參閱＜交叉驗證報表中的量值＞。
值	指定之測試量值的值。

此外，如果採礦模型已經分割成若干摺疊，您可以使用 SystemGetClusterAccuracyResults (Analysis Services - 資料採礦) 來略過處理，並只傳回交叉預測的結果。

下列範例示範如何將採礦結構分割成三個摺疊，然後測試與此採礦結構有關的兩個群集模型。

程式碼的第三行會列出您想要測試的特定採礦模型。如果您未指定此清單，便會使用與此結構有關的所有群集模型。

程式碼的第四行指定摺疊的數目，第五行則指定要使用的最大案例數。

因為這些是群集模型，所以您不需要指定可預測的屬性或值。

CALL SystemGetClusterCrossValidationResults(
[v Target Mail],
[Cluster 1], [Cluster 2],
3,
10000
)

範例結果：

ModelName	PartitionIndex	PartitionSize	測試	量值	值
群集 1	1	3025	群集	Case Likelihood	0.930524511864121
群集 1	2	3025	群集	Case Likelihood	0.919184178430778
群集 1	3	3024	群集	Case Likelihood	0.929651120490248
群集 2	1	1289	群集	Case Likelihood	0.922789726933607
群集 2	2	1288	群集	Case Likelihood	0.934865535691068
群集 2	3	1288	群集	Case Likelihood	0.924724595688798