Auswählen der zum Testen eines Miningmodells zu verwendenden Spalte
Gilt für:
SQL Server 2019 und früheren Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
Wichtig
Data Mining wurde in SQL Server 2017 Analysis Services als veraltet eingestuft und wurde jetzt in SQL Server 2022 Analysis Services eingestellt. Die Dokumentation wird für veraltete und eingestellte Features nicht aktualisiert. Weitere Informationen finden Sie unter Abwärtskompatibilität von Analysis Services.
Bevor Sie die Genauigkeit eines Miningmodells messen können, müssen Sie sich entscheiden, welches Ergebnis Sie bewerten möchten. Bei den meisten Data Mining-Modellen müssen Sie mindestens eine Spalte auswählen, die als vorhersagbares Attribut verwendet werden soll, wenn Sie das Modell erstellen. Wenn Sie die Genauigkeit des Modells testen, müssen Sie daher im Allgemeinen dieses Attribut zum Testen auswählen.
In der folgenden Liste werden einige weitere Überlegungen zum Auswählen des vorhersagbaren Attributs, das in Tests verwendet werden soll, beschrieben:
Einige Arten von Data Mining-Modellen können mehrere Attribute vorhersagen, z. B. neuronale Netzwerke, die die Beziehungen zwischen vielen Attributen untersuchen können.
Andere Arten von Miningmodellen, z. B. Clusteringmodelle, verfügen nicht unbedingt über ein vorhersagbares Attribut. Clustermodelle können nicht getestet werden, außer wenn sie über ein vorhersagbares Attribut verfügen.
Sie müssen als Ergebnis ein kontinuierliches vorhersagbares Attribut auswählen, um ein Punktdiagramm zu erstellen oder die Genauigkeit eines Regressionsmodells zu messen. In diesem Fall können Sie keinen Zielwert angeben. Wenn Sie etwas anderes als ein Punktdiagramm erstellen, muss die zugrunde liegende Miningstrukturspalte auch einen Inhaltstyp von Diskret oder Diskretisierthaben.
Wenn Sie ein diskretes Attribut als vorhersagbares Ergebnis auswählen, können Sie auch einen Zielwert angeben, oder Sie können das Feld Wert vorhersagen leer lassen. Wenn Sie einen Vorhersagewert einschließen, misst das Diagramm nur die Effektivität des Modells bei der Vorhersage des Zielwerts. Wenn Sie kein Zielergebnis angeben, wird das Modell in Bezug auf seine Genauigkeit gemessen, alle Ergebnisse vorherzusagen.
Wenn Sie mehrere Modelle einschließen und sie in einem einzelnen Genauigkeitsdiagramm vergleichen möchten, müssen alle Modelle die gleiche vorhersagbare Spalte verwenden.
Wenn Sie einen Kreuzvalidierungsbericht erstellen, analysiert SQL Server Analysis Services automatisch alle Modelle, die über dasselbe vorhersagbare Attribut verfügen.
Wenn die Option Vorhersagespalten und Werte synchronisieren ausgewählt ist, wählt SQL Server Analysis Services automatisch vorhersagbare Spalten aus, die dieselben Namen und übereinstimmenden Datentypen aufweisen. Wenn die Spalten diese Kriterien nicht erfüllen, können Sie diese Option deaktivieren und manuell eine vorhersagbare Spalte auswählen. Dies ist möglicherweise erforderlich, wenn Sie das Modell mit einem externen Dataset testen, das andere Spalten enthält als das Modell. Wenn Sie jedoch eine Spalte mit dem falschen Datentyp auswählen, werden entweder ein Fehler bzw. falsche Ergebnisse angezeigt.
Bestimmen des vorhersagbaren Ergebnisses
Doppelklicken Sie auf die Miningstruktur, um sie in Data Mining-Designer zu öffnen.
Klicken Sie auf die Registerkarte Mininggenauigkeitsdiagramm .
Klicken Sie auf die Registerkarte Eingabeauswahl .
Klicken Sie auf der Registerkarte Eingabeauswahl unter Name der vorhersagbaren Spalteauf eine vorhersagbare Spalte für jedes Modell, das Sie im Diagramm einbeziehen.
Im Feld Name der vorhersagbaren Spalte werden nur die Miningmodellspalten aufgelistet, für die als Verwendungstyp Vorhersagen oder Nur vorhersagenfestgelegt wurde.
Wenn Sie den Liftwert für ein Modell bestimmen möchten, müssen Sie einen bestimmten zu messenden Ergebniswert auswählen, indem Sie ihn aus der Liste Wert vorhersagen auswählen.
Weitere Informationen
Auswählen und Zuordnen von Modelltestdaten
Auswählen eines Genauigkeitsdiagrammtyps Festlegen von Diagrammoptionen