마이닝 모델 테스트에 사용할 열 선택

적용 대상: SQL Server 2019 및 이전 Analysis Services Azure Analysis Services Fabric/Power BI Premium

마이닝 모델의 정확도를 측정하려면 먼저 평가할 결과를 결정해야 합니다. 대부분의 데이터 마이닝 모델에서는 모델을 만들 때 예측 가능한 특성으로 사용할 열을 하나 이상 선택해야 합니다. 따라서 모델의 정확도를 테스트할 때는 일반적으로 테스트할 특성을 선택해야 합니다.

다음 목록에서는 테스트에 사용할 예측 가능한 특성을 선택할 때 추가적으로 고려할 사항에 대해 설명합니다.

• 일부 유형의 데이터 마이닝 모델은 여러 특성 간의 관계를 탐색할 수 있는 신경망과 같은 여러 특성을 예측할 수 있습니다.

• 클러스터링 모델과 같은 다른 유형의 마이닝 모델에는 예측 가능한 특성이 반드시 있는 것은 아닙니다. 예측 가능한 특성이 없는 클러스터링 모델은 테스트할 수 없습니다.

• 회귀 모델의 산점도를 만들거나 정확도를 측정하려면 연속된 예측 가능한 특성을 결과로 선택해야 합니다. 이 경우 대상 값은 지정할 수 없습니다. 산점도가 아닌 다른 항목을 만들려면 기본 마이닝 구조 열의 내용 유형이 불연속 또는 분할이어야 합니다.

• 불연속 특성을 예측 가능한 결과로 선택한 경우에는 대상 값을 지정하거나 예측 값 필드를 비워 둘 수 있습니다. 예측 값을 포함하는 경우 차트는 대상 값을 예측할 때 모델의 효과만 측정합니다. 대상 결과를 지정하지 않으면 모든 결과를 예측할 때 모델의 정확도가 측정됩니다.

• 여러 모델을 포함하여 하나의 정확도 차트에서 비교하려면 모든 모델에서 동일한 예측 가능한 열을 사용해야 합니다.

• 교차 유효성 검사 보고서를 만들면 SQL Server Analysis Services 예측 가능한 특성이 동일한 모든 모델을 자동으로 분석합니다.

• 예측 열 및 값 동기화 옵션이 선택되면 SQL Server Analysis Services 이름이 같고 데이터 형식이 일치하는 예측 가능한 열을 자동으로 선택합니다. 열이 이러한 조건을 충족하지 않는 경우 이 옵션을 해제하고 예측 가능한 열을 수동으로 선택할 수 있습니다. 모델과 다른 열이 있는 외부 데이터 집합을 사용하여 모델을 테스트하는 경우에 예측 가능한 열을 수동으로 선택해야 할 수 있습니다. 그러나 데이터 형식이 잘못된 열을 선택하면 오류가 발생하거나 잘못된 결과가 나타납니다.

예측할 결과 지정

1. 마이닝 구조를 두 번 클릭하여 데이터 마이닝 디자이너에서 엽니다.

2. 마이닝 정확도 차트 탭을 선택합니다.

3. 입력 선택 탭을 선택합니다.

4. 입력 선택 탭의 예측 가능한 열 이름에서 행을 클릭하고 차트에 포함할 각 모델에 대한 예측 가능한 열을 선택합니다.

   예측 가능한 열 이름 상자에 제공되는 마이닝 모델 열은 사용 유형이 예측 또는 예측만으로 설정된 열로 제한됩니다.

5. 모델의 리프트를 결정하려면 예측 값 목록에서 측정할 특정 결과 값을 선택해야 합니다.

참고 항목

모델 테스트 데이터 선택 및 매핑
정확도 차트 유형 선택 및 차트 옵션 설정