Filtre uygulanmış bir modelini (temel veri incelemesi Öğreticisi) testi

Makale
10/29/2012

Şimdi, bu belirlediler TM_Decision_Tree modeli ise en doğru model bağlamı içinde değerlendirmek Adventure Works CyclesKampanya posta hedeflenen. Adventure Works CyclesPazarlama bölümü erkek bisiklet alıcıların ve Bayan bisiklet alıcıların bir fark olup olmadığını bilmek istiyor. Bu bilgiler hangi dergi reklam amaçlı kullanılacak karar onlara yardımcı olacak ve onların mektuplar özelliği olan ürünler.

Bu derste, cinsiyetine, süzülür bir modeli oluşturacağız. Daha sonra kolayca bu modeli kopyalayın ve farklı cinsiyetine göre yeni bir model oluşturmak için sadece filtre koşulu değiştirin.

Filtreler hakkında daha fazla bilgi için bkz: Filtreleri incelemesi modeller için (Analiz Hizmetleri - veri incelemesi).

Filtreleri kullanma

Süzme modelleri veri alt kümeleri üzerinde yerleşik kolayca oluşturmanıza olanak sağlar. Filtre modeli yalnızca uygulanan ve alttaki veri kaynağında değiştirmez. İç içe geçmiş tablolar için filtre uygulama hakkında daha fazla bilgi için bkz: Ara veri incelemesi Öğreticisi (Analiz Hizmetleri - veri incelemesi).

Büyük tablolarda filtreleri

Önce bir kopyasını yapacak TM_Decision_Tree modeli.

Karar ağacı modeli kopyalamak için

De SQL Server Veri Akışı Araçları (SSDT), Solution Explorer'da seçin BasicDataMining.
Tıklayın Mining modeller sekmesi.
Sağ tıklayın TM_Decision_Tree modeli ve seçin Mining yeni Model.
İçinde Model adı alanında, yazın TM_Decision_Tree_Male.
Click OK.

Sonra müşterilerin kendi cinsiyetine göre modeli seçmek için bir filtre oluşturun.

Olgu filtre bir incelemesi modeli oluşturmak için

Sağ TM_Decision_Tree_Male kısayol menüsünü açmak için incelemesi modeli.

-- veya --

Modeli seçin. Tarih Mining modeli Seç menüsünden Modeli filtre ayarlamak.
İçinde Modeli filtre iletişim kutusu, kılavuz, üst satırı tıklatın Mining yapısı sütun metin kutusu.

Aşağı açılan liste tablodaki yalnızca sütun adlarını görüntüler.
Mining yapısı sütun metin kutusunda cinsiyet.

Seçili öğeyi bir tablo veya sütun olduğunu belirtmek için metin kutusu değişiklikleri sol tarafındaki simge.
Tıklayın Operator metin kutusu ve listeden eşittir (=) işlecini seçin.
Tıklayın değeri metin kutusu ve türü m.
Kılavuzun sonraki satırı tıklatın.
Tıklayın Tamam kapatmak için Modeli filtre iletişim kutusu.

Filtreyi görüntüler Özellikler pencere. Değişimli, sen-ebilmek denize indirmek Modeli filtre gelen iletişim Özellikler pencere.
Ama bu kez adı modeli yukarıdaki adımları tekrarlayın TM_Decision_Tree_Female f yazın değeri metin kutusu.

Sen şimdi-si olmak iki yeni model görüntülenen Mining modeller sekmesi.

Filtre uygulanmış modelleri işlemek

Modeller, dağıtılan ve işlenen kadar kullanılamaz. İşleme modelleri hakkında daha fazla bilgi için bkz: Modeller hedeflenmiş posta yapısı (temel veri incelemesi Öğreticisi) işleme.

Filtre uygulanmış modeli işlemek için

Sağ TM_Decision_Tree_Male model ve seçin işlem Mining yapısı ve tüm modelis
Tıklayın Run yeni modelleri işlemek için.
İşlem tamamlandıktan sonra tıklayın yakın hem işleme Windows...

Sonuçları değerlendirmek

Önceki üç model için yaptığınız gibi aynı şekilde çok filtre uygulanmış modelleri doğruluğunu değerlendirmek ve sonuçlarını görüntüleyin. Daha fazla bilgi için, bkz:

Karar ağacı modelini (temel veri incelemesi Öğreticisi) keşfetme

Asansör grafikleri (temel veri incelemesi Öğreticisi) ile doğruluğu test

Filtre uygulanmış modelleri keşfetmeye

Seçin Mining modeli Görüntüleyicisi sekmesinde Mining Tasarımcısı veri.
Mining modeli kutusunda TM_Decision_Tree_Male.
Slayt düzey göster için 3.
Değişim arka değeri 1.
İmlecinizi etiketli düğüm üzerinde yer tüm bisiklet alıcıların karşı olmayan bisiklet alıcıların sayısını görmek için.
1-5 Arasındaki adımları yineleyin TM_Decision_Tree_Female.
Sonuçlar Araştır TM_Decision_Tree ve modeller filtre cinsiyet için. Karşılaştırıldığında tüm bisiklet alıcıların için erkek ve Bayan bisiklet alıcıların filtresiz bisiklet alıcıların aynı özellikleri paylaşmak ama üç ilginç farklılıklar da vardır. Yararlı bilgi budur ki Adventure Works Cycleskendi pazarlama kampanyası geliştirmek için kullanabileceğiniz.

Filtre uygulanmış modelleri lift sınamak için

Geçiş Mining doğruluğu grafik sekmesini veri incelemesi Tasarımcısında SQL Server Veri Akışı Araçları (SSDT)ve Giriş seçimi sekmesi.
İçinde doğruluk grafik için kullanılacak veri kümesi Seç Grup kutusu seç kullan incelemesi yapısı sınama durumlarında.
Tarih Giriş seçimi sekmesini veri incelemesi Tasarımcısı, altında lift grafikte göstermek için öngörülebilir incelemesi modeli sütunları seçin, onay kutusunu seçin senkronize tahmin sütunlar ve değerler.
İçinde Öngörülebilir sütun adı sütunu, emin olun Bike Buyer her model için seçilir.
İçinde Show sütunu, her bir model seçin.
İçinde Tahmin değeri sütunu, seçme 1.
Seçin Grafik kaldırın lift grafik görüntülemek için sekme.

Şimdi tüm üç karar ağacı modeller için rasgele tahmin modeli ile karşılaştırıldığında önemli lift sağlar ve ayrıca kümeleme ve Naive Bayes modelleri daha iyi performans göreceksiniz.

Ders, önceki görev

Asansör grafikleri (temel veri incelemesi Öğreticisi) ile doğruluğu test

Sonraki ders

Ders 6: Oluşturma ve Predictions (temel veri incelemesi Öğreticisi) ile çalışma

Ayrıca bkz.

Share via