TechNet
Exportieren (0) Drucken
Alle erweitern

SystemGetCrossValidationResults (Analysis Services – Data Mining)

 

Betrifft: SQL Server 2016

Partitioniert die Miningstruktur in die angegebene Anzahl an Querschnitten, trainiert ein Modell für jede Partition und gibt anschließend Genauigkeitsmetriken für jede Partition zurück.

System_CAPS_ICON_note.jpg Hinweis


Die gespeicherte Prozedur kann nicht für die Kreuzvalidierung von Clustering-Modellen oder Modellen verwendet werden, die mithilfe des Microsoft Time Series-Algorithmus oder des Microsoft Sequence Clustering-Algorithmus erstellt wurden. Um Cross-clustering-Modelle zu überprüfen, können Sie die separate gespeicherte Prozedur SystemGetClusterCrossValidationResults & #40; Analysis Services – Datamining & #41;.

  
SystemGetCrossValidationResults(  
<mining structure>  
[, <mining model list>]  
,<fold count>  
,<max cases>  
,<target attribute>  
[,<target state>]  
[,<target threshold>]  
[,<test list>])  

Miningstruktur
Name einer Miningstruktur in der aktuellen Datenbank.

(erforderlich)

Liste der Mining-Modell
Durch Trennzeichen getrennte Liste von Miningmodellen, die überprüft werden sollen.

Wenn ein Modellname Zeichen enthält, die im Namen eines Bezeichners nicht gültig sind, muss der Name in Klammern gesetzt werden.

Wenn keine Liste mit Miningmodellen angegeben wird, erfolgt die Kreuzvalidierung für alle Clustering-Modelle, die mit der angegebenen Struktur verknüpft sind und ein vorhersagbares Attribut enthalten.

System_CAPS_ICON_note.jpg Hinweis


Um Cross-clustering-Modelle zu überprüfen, müssen Sie eine separate gespeicherte Prozedur verwenden SystemGetClusterCrossValidationResults & #40; Analysis Services – Datamining & #41;.

(Optional)

Foldanzahl
Ganzzahliger Wert, der die Anzahl der Partitionen angibt, in die Dataset geteilt werden soll. Der Mindestwert beträgt 2. Die maximale Anzahl von Aufteilungen ist maximum integer oder die Anzahl von Fällen, wobei der jeweils niedrigere Wert gilt.

Jede Partition enthält in etwa diese Anzahl von Fällen: maximale Anzahl von Fällen/foldanzahl.

Es gibt keinen Standardwert.

System_CAPS_ICON_note.jpg Hinweis


Die Anzahl der Aufteilungen wirkt sich erheblich auf die Zeit aus, die für die Kreuzvalidierung benötigt wird. Wenn Sie eine zu hohe Zahl auswählen, kann die Ausführung der Abfrage sehr lang dauern, und in manchen Fällen reagiert der Server möglicherweise nicht mehr oder ein Timeout tritt ein.

(erforderlich)

Max. Anzahl von Fällen
Ganzzahliger Wert, der die maximale Anzahl von Fällen angibt, die über alle Aufteilungen hinweg getestet werden können.

Der Wert 0 gibt an, dass alle Fälle in der Datenquelle verwendet werden.

Wenn Sie einen Wert angeben, der größer ist als die tatsächliche Anzahl der Fälle im Dataset ist, werden alle Fälle in der Datenquelle verwendet.

Es gibt keinen Standardwert.

(erforderlich)

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

System_CAPS_ICON_note.jpg Hinweis


Das Vorhandensein des Zielattributs wird nur zur Laufzeit überprüft.

(erforderlich)

Zielstatus
Formel, die den Wert angibt, der vorhergesagt werden soll. Wenn ein Zielwert angegeben ist, werden Metriken nur für den angegebenen Wert aufgelistet.

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

Der Standardwert ist null.

Während der Überprüfung wird ein Fehler ausgelöst, wenn der angegebene Wert für das angegebene Attribut nicht gültig ist oder die Formel nicht der richtige Typ für das angegebene Attribut ist.

(Optional)

Ziel  Schwellenwert
Doppelte größer als 0 und kleiner als 1. Gibt das minimale Wahrscheinlichkeitsergebnis an, das für die Vorhersage des angegebenen Zielstatus erreicht werden muss, damit er als richtig gewertet wird.

Eine Vorhersage, deren Wahrscheinlichkeit niedriger als dieser Wert ist oder damit übereinstimmt, wird als falsch erachtet.

Wenn kein Wert oder nullangegeben ist, wird der wahrscheinlichste Status unabhängig von seinem Wahrscheinlichkeitsergebnis verwendet.

Der Standardwert ist null.

System_CAPS_ICON_note.jpg Hinweis


Analysis Services wird kein Fehler ausgelöst, wenn Sie festlegen, Schwellenwert auf 0,0, aber Sie sollten diesen Wert niemals verwenden. Tatsächlich bedeutet eine Schwelle von 0,0, dass Vorhersagen mit einer Wahrscheinlichkeit von 0 (null) Prozent als richtig gewertet werden.

(Optional)

die Testliste
Eine Zeichenfolge, die Testoptionen angibt.

Hinweis Dieser Parameter ist für die zukünftige Verwendung reserviert.

(Optional)

Das Rowset, das zurückgegeben wird, enthält Bewertungen für jede Partition in jedem Modell.

In der folgenden Tabelle werden die Spalten in diesem Rowset beschrieben.

SpaltennameBeschreibung
ModelNameName des Modells, das getestet wurde.
AttributeNameDer Name der vorhersagbaren Spalte.
AttributeStateEin angegebener Zielwert in der vorhersagbaren Spalte. Wenn dieser Wert nullist, wurde die wahrscheinlichste Vorhersage verwendet.

Wenn diese Spalte einen Wert enthält, wird die Genauigkeit des Modells nur für diesen Wert bewertet.
PartitionIndexEin 1-basierter Index, der angibt, für welche Partition die Ergebnisse gelten.
PartitionSizeEin ganzzahliger Wert, der angibt, wie viele Fälle in jeder Partition enthalten waren.
TestKategorie des Tests, der ausgeführt wurde. Eine Beschreibung der Kategorien und die Tests, die in jeder Kategorie enthalten sind, finden Sie unter Measures in der Kreuzvalidierungsbericht.
MeasureDer Name des Measures, der vom Test zurückgegeben wurde. Measures für die einzelnen Modelle richten sich nach dem Typ des vorhersagbaren Werts. Eine Definition der einzelnen Measures finden Sie unter Kreuzvalidierung & #40; Analysis Services – Datamining & #41;.

Eine Liste der für die einzelnen vorhersagbaren Typen zurückgegebenen Measures, finden Sie unter Measures in der Kreuzvalidierungsbericht.
WertDer Wert des angegebenen Testmeasures.

Um genauigkeitsmetriken für das gesamte Dataset zurückzugeben, verwenden Sie SystemGetAccuracyResults & #40; Analysis Services – Datamining & #41;.

Wenn das Miningmodell bereits in Aufteilungen partitioniert wurde, können Sie die Verarbeitung umgehen und nur die Ergebnisse der kreuzvalidierung zurückgeben, indem SystemGetAccuracyResults & #40; Analysis Services – Datamining & #41;.

Das folgende Beispiel veranschaulicht, wie man eine Miningstruktur zur Kreuzvalidierung in zwei Aufteilungen partitioniert und dann zwei Miningmodelle testet, die mit der Miningstruktur, [v Target Mail], verknüpft sind.

In Zeile 3 des Codes sind die Miningmodelle aufgelistet, die Sie testen möchten. Wenn Sie die Liste nicht angeben, werden alle der Struktur zugeordneten Nicht-Clustermodelle verwendet. In Zeile 4 des Codes ist die Anzahl der Partitionen angegeben. Da für max caseskein Wert angegeben ist, werden alle Fälle in der Miningstruktur verwendet und gleichmäßig auf die Partitionen verteilt.

In Zeile 5 ist das vorhersehbare Attribut, Bike Buyer, angegeben, und in Zeile 6 der vorherzusagende Wert, nämlich 1 (was heißt: "Ja, will kaufen").

Der Wert NULL in Zeile 7 gibt an, dass keine minimale Wahrscheinlichkeitsschwelle erreicht werden muss. Deshalb wird die erste Vorhersage, die eine Wahrscheinlichkeit von ungleich 0 (null) hat, zur Bewertung der Genauigkeit verwendet.

CALL SystemGetCrossValidationResults(  
[v Target Mail],  
[Target Mail DT], [Target Mail NB],  
2,  
'Bike Buyer',  
1,  
NULL  
)  

Beispielergebnisse:

ModelNameAttributeNameAttributeStatePartitionIndexPartitionSizeTestMeasureWert
Target Mail DTBike Buyer11500KlassifizierungWahr positiv144
Target Mail DTBike Buyer11500KlassifizierungFalsch positiv105
Target Mail DTBike Buyer11500KlassifizierungWahr negativ186
Target Mail DTBike Buyer11500KlassifizierungFalsch negativ65
Target Mail DTBike Buyer11500WahrscheinlichkeitLogarithmisches Ergebnis-0.619042807138345
Target Mail DTBike Buyer11500WahrscheinlichkeitLift0.0740963734002671
Target Mail DTBike Buyer11500WahrscheinlichkeitWurzel des mittleren quadratischen Fehlers0.346946279977653
Target Mail DTBike Buyer12500KlassifizierungWahr positiv162
Target Mail DTBike Buyer12500KlassifizierungFalsch positiv86
Target Mail DTBike Buyer12500KlassifizierungWahr negativ165
Target Mail DTBike Buyer12500KlassifizierungFalsch negativ87
Target Mail DTBike Buyer12500WahrscheinlichkeitLogarithmisches Ergebnis-0.654117781086519
Target Mail DTBike Buyer12500WahrscheinlichkeitLift0.038997399132084
Target Mail DTBike Buyer12500WahrscheinlichkeitWurzel des mittleren quadratischen Fehlers0.342721344892651

Übergreifende Überprüfung steht nur in SQL Server Enterprise ab SQL Server 2008.

SystemGetCrossValidationResults
SystemGetAccuracyResults & #40; Analysis Services – Datamining & #41;
SystemGetClusterCrossValidationResults & #40; Analysis Services – Datamining & #41;
SystemGetClusterAccuracyResults & #40; Analysis Services – Datamining & #41;

Community-Beiträge

Anzeigen:
© 2016 Microsoft