Lezione 5: Test di modelli (Esercitazione di base sul data mining)
Si applica a: SQL Server 2016 Preview
Ora che è stato elaborato il modello tramite il set di training dello scenario relativo al mailing diretto, verranno testati i modelli sul set di testing. La convalida è un passaggio importante del processo di data mining. Prima di distribuire i modelli per il mailing diretto in un ambiente di produzione, è fondamentale verificarne il comportamento in caso di applicazione ai dati real.
Poiché i dati nel set di testing contengono già valori noti per l'acquisto di biciclette, la correttezza delle stime del modello può essere determinata facilmente. Il modello che esegue il meglio da utilizzare per il Adventure Works Cycles reparto marketing per identificare i clienti per la campagna di mailing diretto.
In questa lezione verranno convalidati i modelli utilizzando più metodi:
Verranno effettuate le stime sul set di testing per determinare il livello di accuratezza dei modelli su risultati noti. Si utilizzerà un grafico di accuratezza per misurare l'efficacia.
Test dell'accuratezza con i grafici di accuratezza (Esercitazione di base sul data mining)
I modelli verranno quindi testati su un subset filtrato dei dati. Sarà possibile confrontare più modelli nello stesso grafico di accuratezza.
Test di un modello filtrato ( Esercitazione di base di Data Mining )
Per ulteriori informazioni sulla convalida dei modelli in generale, vedere concetti di Data Mining.
Prima attività della lezione
Test dell'accuratezza con i grafici di accuratezza (Esercitazione di base sul data mining)
Lezione precedente
Lezione 4: Esplorazione dei modelli di Mailing ( Esercitazione di base di Data Mining )
Lezione successiva
Lezione 6: Creazione e utilizzo di stime (Esercitazione di base sul data mining)
Vedere anche
Scheda Grafico di accuratezza (vista Grafico di accuratezza modello di data mining)
Grafico di accuratezza (Analysis Services - Data mining)
Test e convalida (Data mining)
Scheda Matrice di classificazione (vista Grafico di accuratezza modello di data mining)
Matrice di classificazione (Analysis Services - Data mining)