Lektion 5: Testen von Modellen (Lernprogramm zu Data Mining-Grundlagen)

  • Artikel

 

Gilt für: SQL Server 2016 Preview

Nachdem Sie das Modell mit dem Trainingssatz für das Targeted Mailing-Szenario verarbeitet haben, können Sie die Modelle mit dem Testsatz überprüfen. Die Überprüfung ist ein wichtiger Schritt im Data Mining-Prozess. Sie sollten wissen, welche Leistung Ihre Miningmodelle für Targeted Mailing mit echten Daten erzielen, bevor Sie die Modelle in Ihrer Produktionsumgebung bereitstellen.

Da die Daten im Testsatz bereits bekannte Werte für das Fahrradkaufverhalten enthalten, ist es einfach, die Vorhersagegenauigkeit des Modells zu bestimmen. Das Modell mit den besten Ergebnissen wird von der Marketingabteilung von Adventure Works Cycles zur Identifizierung von Kunden für die Target Mailing-Kampagne verwendet.

In dieser Lektion überprüfen Sie die Modelle mithilfe mehrerer Methoden:

  1. Sie treffen Vorhersagen anhand des Testsatzes, um die Genauigkeit des Modells bei bekannten Ergebnissen zu ermitteln. Sie verwenden ein Prognosegütediagramm , um dessen Effektivität zu messen.

    Überprüfen der Genauigkeit mit Prognosegütediagrammen (Tutorial zu Data Mining-Grundlagen)

  2. Anschließend testen Sie die Modelle mit einer gefilterten Teilmenge der Daten. Sie können mehrere Modelle im selben Prognosegütediagramm vergleichen.

    Testen eines gefilterten Modells ( Grundlegende Datamining-Lernprogramm )

Weitere Informationen dazu, wie modellüberprüfung im Allgemeinen, finden Sie unter Data Mining-Konzepte.

Erste Aufgabe in der Lektion

Überprüfen der Genauigkeit mit Prognosegütediagrammen (Tutorial zu Data Mining-Grundlagen)

Vorherige Lektion

Lektion 4: Untersuchen der Targeted Mailing-Modelle ( Grundlegende Datamining-Lernprogramm )

Nächste Lektion

Lektion 6: Erstellen und Verwenden von Vorhersagen (Tutorial zu Data Mining-Grundlagen)

Siehe auch

Prognosegütediagramm (Registerkarte, Mininggenauigkeitsdiagramm-Sicht)
Prognosegütediagramm (Analysis Services – Data Mining)
Tests und Überprüfung (Data Mining)
Klassifikationsmatrix (Registerkarte, Mininggenauigkeitsdiagramm-Sicht)
Klassifikationsmatrix (Analysis Services – Data Mining)