Makale
07/26/2011

Grafik kaldırın (Analysis Services - veri madenciliği)

Farklı türde grafikleri görüntüleyebilirsiniz Dokundurduğunuzda grafik sekmesinde Mining doğruluğu grafik Mining Tasarımcısı veri sekmesinde seçtiğiniz model, modeli ve diğer ayarları öngörülebilir öznitelik bağlı.

Ayrı bir değer modelinizin öngörür, yükseltme grafiği veya kar grafiği oluşturabilirsiniz.yükseltme grafiği Öngörüler modellerin doğruluğu karşılaştırır ve genel olarak veya belirli bir değerin Öngörüler için Öngörüler için doğruluğunu göstermek için yapılandırılabilir.kar grafiği yükseltme grafiği aynı bilgileri içerir, ancak öngörülen artış da kullanarak her bir modeli ile ilişkili olan kar görüntüler ilgili grafik türüdür.Use Grafik türü listesinde, istediğiniz grafik türünü seçmek için.

Notsaat serisi modelleri yükseltme grafiği ya da kar grafiği görüntülenemiyor, ancak tarihsel serisi ve Öngörüler kullanılarak seri içeren bir grafik görüntüleyebilirsiniz Mining modeli tahmin sekmesi.Daha fazla bilgi için bkz: Microsoft zaman Series algoritması.

Daha fazla bilgi için:Grafik Kar (Analysis Services - veri madenciliği), Çizim dağılım (Analysis Services - veri madenciliği)

Senaryo

The Lift Chart tab displays a graphical representation of the change in lift that a mining model causes.Örneğin, pazarlama bölümünün en Adventure Works Cycles istediği oluşturma bir hedeflenen posta kampanya.Dan kampanyaları bunlar yüzde 10 yanıt oranı normal olduğunu biliyor.Depolanan 10.000 Potansiyel müşterilerin listesini sahip oldukları bir tablo veritabanı.Bu nedenle, normal yanıt oranına bağlı olarak, bunlar 1.000 yanıtlamak için Potansiyel müşterilerin bekleyebilirsiniz.

Ancak, proje veritabanındaki tüm 10.000 müşterilere ulaşmak için yeterli değildir için paranın bütçelenen.Bütçeye göre bunlar yalnızca 5.000 müşteriler için bir duyuru posta saklayamıyor.Pazarlama departmanı iki seçeneğiniz vardır:

5.000 Müşteriler için rasgele seçinhedef
Bir araştırma modeli kullanmak hedef yanıt olasılıkla 5.000 müşteriler

Şirket 5.000 müşteriler rasgele seçerse, normal yanıt oranına göre yalnızca 500 yanıtlarını almak bekleyebilirsiniz.Bu senaryo ne olduğunu rasgele hat girişi yükseltme grafiği temsil eder.Ancak, Pazarlama bölümü için bir araştırma modeli kullanıyorsa, hedef kendi posta bunlar daha büyük bir yanıt oranı yapabilirler çünkü bekleyebileceğiniz hedef yanıt büyük olasılıkla bu müşteriler.Mükemmel bir model ise, hiçbir zaman yanlış Öngörüler modeli oluşturur ve şirket tarafından posta modeli tarafından önerilen 1.000 potansiyel müşterilere 1.000 yanıtları almayı beklediğiniz anlamına gelir.Bu senaryo ne olduğunu ideal hat girişi yükseltme grafiği temsil eder.Gerçekte olan araştırma modeli ; bu iki uç arasında büyük bir olasılıkla yer rasgele tahmin arasında mükemmel bir öngörü.Herhangi bir rasgele tahmin gelişmeleri lift olarak kabul edilir.

Lift grafik anlama

İki lift grafik türlerini oluşturabilirsiniz: tek bir hedef değeri belirtmek tahmin edilebilir sütun, diğeri içinde değil belirttiğiniz değeri.Arasında geçirdiğinizde Giriş seçimi sekmesini ve Dokundurduğunuzda grafik grafik sekmesinde sütun eşlemeleri veya diğer ayarları yaptığınız değişiklikleri yansıtacak şekilde güncelleştirilir.

Hedef değer ile grafik kaldırın

yükseltme grafiği için aşağıdaki grafikte gösterilmiştir Hedeflenen posta oluşturduğunuz modeli Temel veri madenciliği öğreticisi.Bu grafikte, hedef öznitelik [bisiklet alıcı] olduğu ve hedef değeri 1 ' dir yani Müşteri bir bisiklet satın veya bunu yapmak olasıdır.yükseltme grafiği geliştirme modeli, büyük olasılıkla bir bisiklet satın almak isteyen müşterilerimiz tanımlarken sağlar böylece gösterir.

Temel modeli yanı sıra grafik belirli hedef müşterilere filtre ilgili bir modeli içerir.Birden çok modelleri için ekleyebileceğiniz bir yükseltme grafiği, tüm modellerini aynı öngörülebilir özniteliğine sahip olduğu sürece.Bu filtre, hem eğitim, hem de değerlendirme 30 yaşın altında olan müşteriler için kullanılan servis taleplerini kısıtlar.Sonuç olarak, temel modeli ve filtre uygulanmış bir model için model karşı değerlendirilen durumlarda sayısı farklıdır.Bu noktada tahmin sonuçlar ve diğer İstatistikler yorumladığınızda unutmamak gerekir.

iki modeli gösteren yükseltme grafiği

x ekseni Planını Öngörüler karşılaştırmak için kullanılan test dataset yüzdesini temsil eder.Y -eksen planında öngörülen değerleri yüzdesini temsil eder.

Burada gösterilen mavi renkte çapraz çizgide, her grafikte görüntülenir.Temsil ettiği sonuçlar , rasgele tahmin ve lift değerlendirileceği karşı taban.Eklediğiniz her model için bir yükseltme grafiği, iki ek Satırlarını Al: bir satır için ideal sonuçları gösterilir eğitim verileri küme her zaman mükemmel bir şekilde öngörülen bir model oluşturabilir ve ikinci satır modeli için sonuçları gerçek lift veya gelişme gösterir.

Bu örnekte, ideal satır filtre uygulanmış modeli için koyu mavi ve sarı gerçek lift için bir satır gösterilir.Grafikten ideal hat yaklaşık yüzde 40, peaks yani kusursuz bir model olsaydı, hedeflenen müşterilere yüzde 100'e sadece % 40 için toplam posta göndererek ulaşabilir olduğunu söyleyebilir popülasyon.Filtre uygulanmış için gerçek lift ne zaman model, hedef nüfusun yüzde 40'ını ise 60 arasında yüzde 60-70'inin ulaşmak yani yüzde 70, hedefed müşteriler müşteri toplam nüfusun yüzde 40'ını posta göndererek.

The Mining Legend contains the actual values at any point on the curves.Dikey gri çubuğu ve taşıyarak ölçülen yeri değiştirebilirsiniz.Grafikte gri satırı için yüzde 30, bu filtre uygulanmamış ve filtre uygulanmış modelleri en etkili olacak şekilde göründüğü noktası olduğundan ve bu noktada lift miktarı reddedildiğinde taşındı.

The Mining Legend also contains scores and statistics that help you interpret the chart.Bu sonuçlar Bu senaryoda genel test taleplerinin yüzde 30'u içerecek şekilde konumlandırılmış gri satırı modeli doğruluğunu gösterir.

Serisi, modeli	Puan	Hedefpopülasyon	Olasılık tahmin
Tüm posta hedeflenen	0.71	47.40%	61.38%
Altında 30 posta hedeflenen	0.85	51.81%	46.62%
Rasgele tahmin modeli		31.00%
İdeal modeli için: Tüm posta hedeflenen		62.48%
İdeal modeli için: Altında 30 posta hedeflenen		65.28%

Bunlar arasında sonuçlar, tüm taleplerinin yüzde 30 ölçülen genel modeli (tüm posta Targeted) satın alma davranışı hedef nüfusun % 47.40 bisiklet tahmin edebilir, görebilirsiniz.Başka bir deyişle, veritabanınızda müşterilerin yalnızca yüzde 30'u için hedeflenen posta dışarı gönderilen, hedef kitlenize yarısı biraz daha küçüktür ulaşabilir.Filtre uygulanmış modeli kullanılırsa, hedeflenen müşterilerin yaklaşık yüzde 51 ulaşabilir.

Değeri Predict olasılık temsil eden "olası satın almak" arasında bir müşteri eklemek için gereken eşik servis talepleri.Her durum için model her öngörü doğruluğu tahmin eder ve öğrenmek veya hedef müşterilere filtre uygulamak için kullanabileceğiniz bu değeri depolar.Örneğin, temel modelinden olası alıcılar olan müşterileri belirlemek için servis taleplerini en az yüzde 61'lik Predict olasılık ile almak için bir sorgu kullanırsınız.Filtre uygulanmış modeli tarafından hedeflenen müşterilere ulaşmak için tüm ölçütleri karşılar durumda alınan sorgu oluşturursunuz: yaş ve bir PredictProbability değeri en az 46 yüzde.

Modelleri karşılaştırmak ilginçtir.Ancak ne zaman daha fazla potansiyel müşteri yakalamak için filtre uygulanmış modeli görünür, hedef müşterilerin yüzde 46 tahmin olasılık puanı da sahip bir bisiklet satın alacak birisi posta gönderme yüzde 53 şansı.Bu nedenle, hangi modelin daha iyi karar, daha iyi kesinlik ve filtre uygulanmış modeli temel modelin selectiveness karşı daha küçük hedef boyutunu dengeleyin istersiniz.

Değeri puan modeli verimliliğini normalleştirilmiş bir popülasyon boyunca hesaplayarak modelleri Karşılaştır yardımcı olur.Daha yüksek puan iyidir, bu yüzden durum altında 30 müşterileri hedefleyerek daha düşük tahmin olasılık rağmen en etkili bir strateji olduğunu karar verebilirsiniz.

Hedef değer modeli için grafik kaldırın

Durumunu belirtirseniz, tahmin edilebilir sütun, aşağıdaki şemada gösterilen grafik türü oluşturun.Bu grafik modeli öngörülebilir öznitelik tüm durumlarında nasıl gerçekleştireceğini gösterir.Örneğin, bu grafik, ne kadar iyi bir bisiklet ve bir bisiklet satın almak kullanılamayacağı olanlar satın almak büyük olasılıkla her iki müşteriler modeli öngörür gerçeklemelerini bildirir.

x ekseni Aynı belirtilen tahmin edilebilir sütun grafiği, ancak y ekseni şimdi temsil eder, doğru Öngörüler yüzdesidir.Bu nedenle, ideal modeli beklenen en fazla % 50 taleplerinin doğru tahmin verilerinin yüzde 50 gösteren çapraz çizgi çizgidir.

Doğru tahminleri gösteren yükseltme grafiği

Grafikte dikey gri çubuğunu taşımak için'ı tıklatın ve Mining gösterge genel servis taleplerinin yüzdesini ve doğru öngörülen servis taleplerinin yüzdesini görüntüler.Örneğin, yüzde 50'si işareti gri kaydırma çubuğunu konumlandırmak, Mining gösterge aşağıdaki doğruluğu puanlarını görüntüler.Bu rakamları temel veri Mining öğretici oluşturulan TM_Decision ağacı modelini temel alır.

Serisi, modeli	Puan	Hedefpopülasyon	Olasılık tahmin
TM_Decision ağaç	0.77	40.50%	72.91%
İdeal modeli		50.00%

Bu tablo, 50'sini söyler popülasyon, doğru şekilde oluşturulan model taleplerinin yüzde 40'ını öngörür.Bu kabul edilebilir doğru modeli düşünebilirsiniz.Bununla birlikte, bu belirli modeli öngörülebilir öznitelik tüm değerleri öngörür unutmayın.Bu nedenle, model, müşterilerin yüzde 90'ını bir bisiklet satın alacak denkleminin doğru olabilir.

Not

tahmin Doğruluk öngörülebilir öznitelik tüm ayrık değerler için tek bir satırda gösterilir.Görmek isterseniz tahmin doğruluk satırları tek tek herhangi bir değer tahmin edilebilir öznitelik için bu değer için ayrı yükseltme grafiği yeniden oluşturmanız gerekir.

Başa Dön