Asansör grafikleri (temel veri incelemesi Öğreticisi) ile doğruluğu test
Tarih Mining doğruluğu grafik sekmesini veri incelemesi Tasarımcısı, ne de her birinin modelleri tahminler yapan hesaplamak ve her modeli diğer modelleri sonuçlarına karşı doğrudan sonuçları karşılaştırmak. Karşılaştırma yöntemi is referred to as a grafik kaldırın. Genellikle, akıllı bir incelemesi modeli doğruluğunu lift veya sınıflandırma doğruluğu ile ölçülür. Lift grafik yalnızca bu öğretici için kullanacağız. Lift grafik ve diğer doğruluk grafikler hakkında daha fazla bilgi için bkz: Tools for Charting Model Accuracy (Analysis Services - Data Mining).
Bu konuda, aşağıdaki görevleri gerçekleştirecek:
Giriş verileri seçme
Modeller, öngörülebilir sütun ve değerleri seçme
Giriş verileri seçme
Test etmek için kullanacağınız veri kaynağını seçmek için incelemesi modelleri doğruluğunu sınama ilk adımı olduğunu. Sen-ecek sınav modelleri sınama veri karşı ne kadar iyi gerçekleştirmek ve daha sonra dış verileri ile bunları kullanır.
Veri kümesi seçmek 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 modelleriniz kenara incelemesi yapısı oluşturduğunuzda ayarladığınız sınama verileri kullanarak sınamak için.
Diğer seçenekler hakkında daha fazla bilgi için bkz: Doğruluk grafik türünü ve ayarlama grafik seçeneklerini seçin.
Modeller, öngörülebilir sütun ve değerleri seçme
Ski lift grafikte karşı modeller ve tahmin değerini karşılaştırmak için öngörülebilir sütun eklemek istediğiniz modelleri seçmek için sonraki adım olacaktır.
[!NOT]
İncelemesi modeli sütunları Öngörülebilir sütun adı listesi ayarlamak kullanım türü olan sütunlar için kısıtlı Predictveya Predict Onlyve bir içerik türüne sahip Discreteya Discretized.
Modelleri lift göstermek için
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.
Varsayılan olarak, tüm modelleri incelemesi yapısındaki seçilir. Değil bir modeli içerir, ancak bu öğretici için seçilen tüm modelleri bırakmak karar verebilirsiniz.
İçinde Tahmin değeri sütunu, seçme 1. Değerin aynı öngörülebilir sütun olan her model için otomatik olarak doldurulur.
Seçin Grafik kaldırın lift grafik görüntülemek için sekme.
Sekmesini tıklatın sunucu ve veritabanı incelemesi yapısı ve giriş tablo veya sınama verileri karşı tahmin sorgu çalıştırır. Sonuçlar grafikte çizilir.
Girerken bir Tahmin değeri, rasgele tahmin modeli, hem de Ideal bir Model lift grafik çizer. Oluşturduğunuz incelemesi modelleri bu iki uç arasında düşecek; rasgele tahmin arasında mükemmel bir tahmin. Rasgele tahmin gelen herhangi bir gelişme olarak kabul kaldırma.
Efsane Ideal modeli ve rasgele tahmin modeli temsil eden renkli satırları bulmak için kullanın.
You notice that TM_Decision_Tree Modeli kümeleme ve Naive Bayes modelleri outperforming büyük lift sağlar.
Bu derste oluşturulan benzer lift grafik ayrıntılı bir açıklaması için bkz: Grafik kaldırın (Analiz Hizmetleri - veri incelemesi).
Ders sonraki görev
Filtre uygulanmış bir modelini (temel veri incelemesi Öğreticisi) testi
Ayrıca bkz.
Başvuru
Lift Chart Tab (Mining Accuracy Chart View)