SystemGetAccuracyResults (Analysis Services - Data Mining)

Gilt für: SQL Server 2019 und früher Analysis Services Azure Analysis Services Fabric/Power BI Premium

Wichtig

Data Mining wurde in SQL Server 2017 Analysis Services als veraltet eingestuft und wurde jetzt in SQL Server 2022 Analysis Services eingestellt. Die Dokumentation wird für veraltete und eingestellte Features nicht aktualisiert. Weitere Informationen finden Sie unter Abwärtskompatibilität von Analysis Services.

Gibt Genauigkeitsmetriken einer Kreuzvalidierung für eine Miningstruktur und alle verwandten Modelle zurück, wobei Clustering-Modelle ausgeschlossen sind.

Diese gespeicherte Prozedur gibt Metriken für das ganze Dataset als einzelne Partition zurück. Verwenden Sie SystemGetCrossValidationResults (Analysis Services – Data Mining), um das Dataset in Querschnitte zu partitionieren und Metriken für jede Partition zurückzugeben.

Hinweis

Diese gespeicherte Prozedur wird nicht für Modelle unterstützt, die mit dem Microsoft Time Series-Algorithmus oder dem Microsoft Sequence Clustering-Algorithmus erstellt werden. Verwenden Sie für Clusteringmodelle außerdem die separate gespeicherte Prozedur SystemGetClusterAccuracyResults (Analysis Services – Data Mining)..

Syntax

  
SystemGetAccuracyResults(<mining structure>,   
[,<mining model list>]  
,<data set>  
,<target attribute>  
[,<target state>]  
[,<target threshold>]  
[,<test list>])  

Argumente

Miningstruktur
Name einer Miningstruktur in der aktuellen Datenbank.

(Erforderlich)

Modellliste
Durch Trennzeichen getrennte Liste von Modellen, die überprüft werden sollen.

Der Standardwert ist NULL. Dies heißt, dass alle anwendbaren Modelle verwendet werden. Bei Verwendung des Standardwerts werden Clustering-Modelle automatisch aus der Liste der Kandidaten für die Verarbeitung ausgeschlossen.

(Optional)

Dataset
Ein ganzzahliger Wert, der angibt, welche Partition in der Miningstruktur zum Testen verwendet wird. Der Wert wird von einer Bitmaske abgeleitet, die die Summe der folgenden Werte darstellt, wobei jeder einzelne Wert optional ist:

Category Wert
Trainingsfälle 0x0001
Testfälle 0x0002
Modellfilter 0x0004

Eine vollständige Liste der möglichen Werte finden Sie in diesem Thema im Abschnitt mit den Hinweisen.

(erforderlich)

target-Attribut
Zeichenfolge, die den Namen eines vorhersagbaren Objekts enthält. Ein vorhersagbares Objekt kann eine Spalte, eine verschachtelte Tabellenspalte oder eine Schlüsselspalte für eine geschachtelte Tabelle eines Miningmodells sein.

(erforderlich)

target state
Zeichenfolge, die einen bestimmten vorherzusagenden Wert enthält.

Wenn ein Wert angegeben ist, werden die Metriken für diesen bestimmten Status aufgelistet.

Wenn kein Wert oder Null angegeben ist, werden die Metriken für den wahrscheinlichsten Status der einzelnen Vorhersagen berechnet.

Der Standardwert ist NULL.

(Optional)

Zielschwellenwert
Zahl zwischen 0,0 und 1, die die Mindestwahrscheinlichkeit angibt, mit der Vorhersagewert als richtig gewertet wird.

Der Standardwert ist null. Das heißt, dass alle Vorhersagen als richtig gewertet werden.

(Optional)

test list
Eine Zeichenfolge, die Testoptionen angibt. Dieser Parameter ist für die zukünftige Verwendung reserviert.

(Optional)

Rückgabetyp

Das Rowset, das zurückgegeben wird, enthält Bewertungen für jede Partition und Aggregate für alle Modelle.

In der folgenden Tabelle sind die Spalten aufgeführt, die von GetValidationResultszurückgegeben werden.

Spaltenname Beschreibung
Modell Name des Modells, das getestet wurde. Alles gibt an, dass das Ergebnis ein Aggregat für alle Modelle ist.
AttributeName Der Name der vorhersagbaren Spalte.
AttributeState Ein Zielwert in der vorhersagbaren Spalte.

Wenn diese Spalte einen Wert enthält, werden Metriken nur für den angegebenen Status aufgelistet.

Wenn kein Wert oder Null angegeben ist, werden die Metriken für den wahrscheinlichsten Status der einzelnen Vorhersagen berechnet.
PartitionIndex Bezeichnet die Partition, für die das Ergebnis gilt.

Bei dieser Prozedur ist das immer 0.
PartitionCases Eine ganze Zahl, die die Anzahl der Zeilen im Groß-/Kleinschreibungssatz basierend auf dem <Datasetparameter> angibt.
Test Der Typ von Test, der ausgeführt wurde.
"Measure" Der Name des Measures, der vom Test zurückgegeben wurde. Measures für die einzelnen Modelle richten sich nach dem Modelltyp und dem Typ des vorhersagbaren Werts.

Eine Liste der für die einzelnen vorhersagbaren Typen zurückgegebenen Measures finden Sie unter Measures im Kreuzvalidierungsbericht.

Eine Definition der einzelnen Measure finden Sie unter Kreuzvalidierung (Analysis Services – Data Mining).
Wert Der Wert für das angegebene Measure.

Hinweise

Die folgende Tabelle enthält Beispiele für die Werte, mit denen Sie die Daten in der für die Kreuzvalidierung verwendeten Miningstruktur angeben können. Wenn Sie Testfälle für die Kreuzvalidierung verwenden möchten, muss die Miningstruktur bereits ein Testdataset enthalten. Informationen zum Definieren eines Testdatasets bei der Erstellung einer Miningstruktur finden Sie unter Trainings- und Testdatasets.

Ganzzahliger Wert Beschreibung
1 Nur Trainingsfälle werden verwendet.
2 Nur Testfälle werden verwendet.
3 Sowohl die Trainingsfälle als auch Testfälle werden verwendet.
4 Ungültige Kombination.
5 Nur Trainingsfälle werden verwendet, und der Modellfilter wird angewendet.
6 Nur Testfälle werden verwendet, und der Modellfilter wird angewendet.
7 Sowohl die Trainingsfälle als auch Testfälle werden verwendet, und der Modellfilter wird angewendet.

Weitere Informationen zu den Szenarien, in denen Sie die Kreuzvalidierung verwenden würden, finden Sie unter Testing and Validation (Data Mining).

Beispiele

In diesem Beispiel werden Genauigkeitsmeasures für ein einzelnes Entscheidungsstrukturmodell, v Target Mail DT, zurückgegeben, das mit der vTargetMail -Miningstruktur verknüpft ist. Der Code auf Zeile vier gibt an, dass die Ergebnisse auf den Testfällen basieren müssen, die für jedes Modell mit dem jeweils modellspezifischen Filter gefiltert wurden. [Bike Buyer] gibt die zu vorherzusagende Spalte an, und die 1 auf der folgenden Zeile gibt an, dass das Modell nur für den bestimmten Wert 1 ("Yes, will buy") ausgewertet werden soll.

Die letzte Zeile des Codes gibt an, dass der Statusschwellenwert 0,5 beträgt. Das heißt, dass Vorhersagen mit einer Wahrscheinlichkeit über 50 Prozent bei der Genauigkeitsberechnung als "gute" Vorhersagen bewertet werden sollen.

CALL SystemGetAccuracyResults (  
[vTargetMail],  
[vTargetMail DT],  
6,  
'Bike Buyer',  
1,  
0.5  
)  

Beispielergebnisse:

ModelName AttributeName AttributeState PartitionIndex PartitionSize Test "Measure" Wert
v Target Mail DT Bike Buyer 1 0 1638 Klassifizierung Richtig positiv 605
v Target Mail DT Bike Buyer 1 0 1638 Klassifizierung Falsch positiv 177
v Target Mail DT Bike Buyer 1 0 1638 Klassifizierung Richtig negativ 501
v Target Mail DT Bike Buyer 1 0 1638 Klassifizierung Falsch negativ 355
v Target Mail DT Bike Buyer 1 0 1638 Wahrscheinlichkeit Logarithmisches Ergebnis -0.598454638753028
v Target Mail DT Bike Buyer 1 0 1638 Wahrscheinlichkeit Lift 0.0936717116894395
v Target Mail DT Bike Buyer 1 0 1638 Wahrscheinlichkeit Wurzel des mittleren quadratischen Fehlers 0.361630800104946

Anforderungen

Die Kreuzvalidierung ist nur in SQL Server Enterprise ab SQL Server 2008 verfügbar.

Weitere Informationen

SystemGetCrossValidationResults (Analysis Services – Data Mining)
SystemGetAccuracyResults
SystemGetClusterCrossValidationResults (Analysis Services – Data Mining)
SystemGetClusterAccuracyResults (Analysis Services – Data Mining)