Erstellen von Prognosegütediagrammen, Gewinndiagrammen oder Klassifikationsmatrizen

Gilt für: SQL Server 2019 und früher 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.

Sie können ein Genauigkeitsdiagramm für ein SQL Server Analysis Services Data Mining-Modell in fünf grundlegenden Schritten erstellen:

• Wählen Sie die Miningstruktur aus, die die zu vergleichenden Miningmodelle enthält.

• Wählen Sie die Miningmodelle aus, die dem Diagramm hinzugefügt werden sollen.

• Geben Sie eine Testdatenquelle an, die beim Generieren des Diagramms verwendet werden soll.

• Wählen Sie den Diagrammtyp.

• Konfigurieren Sie die Diagrammoptionen.

Diese grundlegenden Schritte sind für das Prognosegütediagramm, das Gewinndiagramm und die Klassifizierungsmatrix identisch. Die folgenden Prozeduren gliedern die Schritte zur Konfiguration der grundlegenden Diagrammoptionen für diese Diagrammtypen. Informationen zum Erstellen eines übergreifenden Überprüfungsberichts finden Sie unter Measures im Kreuzvalidierungsbericht.

Öffnen der Miningstruktur im Genauigkeitsdiagramm-Designer

1. Öffnen Sie die Data Mining-Designer in SQL Server Data Tools.

2. Doppelklicken Sie in Projektmappen-Explorer auf die Struktur, die das bzw. die Miningmodelle enthält.

3. Klicken Sie auf die Registerkarte Mininggenauigkeitsdiagramm .

Auswählen von Miningmodellen für die Einbeziehung in das Diagramm

1. Klicken Sie auf der Registerkarte Mininggenauigkeitsdiagramm von Data Mining Designer in SQL Server Data Tools auf die Registerkarte Eingabeauswahl.

   Die Liste zeigt alle Modelle in der aktuellen Struktur an, die über das gleiche vorhersagbare Attribut verfügen.

2. Wählen Sie das Feld Anzeigen für jedes Modell aus, das Sie ins Diagramm aufnehmen möchten.

3. Klicken Sie auf das Textfeld Name der vorhersagbaren Spalte , und wählen Sie den Namen einer vorhersagbaren Spalte in der Liste aus. Alle Modelle, die Sie in das Diagramm aufnehmen, müssen die gleiche vorhersagbare Spalte verwenden.

4. Wenn Sie zwei Modelle vergleichen und die vorhersagbaren Spalten unterschiedliche Werte oder Datentypen besitzen, deaktivieren Sie das Kontrollkästchen Vorhersagespalten und -werte synchronisieren , um einen Vergleich zu erzwingen.

   Hinweis

   Ist das Kontrollkästchen Vorhersagespalten und -werte synchronisieren aktiviert, analysiert Analysis Services die Daten in den vorhersagbaren Spalten des Modells sowie die Testdaten und versucht, die größte Übereinstimmung zu finden. Deaktivieren Sie das Kontrollkästchen daher nur, wenn es absolut erforderlich ist, um einen Vergleich der Spalten zu erzwingen.

5. Klicken Sie auf das Textfeld Wert vorhersagen , und wählen Sie einen Wert aus der Liste aus. Wenn die vorhersagbare Spalte einen kontinuierlichen Datentyp enthält, müssen Sie einen Wert in das Textfeld eingeben.

   Weitere Informationen finden Sie unter Auswählen der zum Testen eines Miningmodells zu verwendenden Spalte.

Auswählen von Testdaten

1. Geben Sie auf der Registerkarte Eingabeauswahl der Registerkarte Mininggenauigkeitsdiagramm die Datenquelle an, mit der Sie das Diagramm generieren. Wählen Sie dazu eine der Optionen in der Gruppe Dataset auswählen, das für das Genauigkeitsdiagramm verwendet werden sollaus.

   • Wählen Sie die Option Miningmodelltestfälle verwenden, wenn Sie die Teilmenge der Fälle verwenden möchten, die von der Schnittmenge der Miningstrukturtestfälle und aller Filter definiert werden, die möglicherweise während der Modellerstellung angewendet wurden.

   • Wählen Sie die Option Miningstrukturtestfälle verwendenaus, um den vollständigen Satz der Testfälle zu verwenden, die als Teil des zurückgehaltenen Datasets der Miningstrukturen definiert wurden.

   • Aktivieren Sie die Option Anderes Dataset verwenden, wenn Sie externe Daten verwenden möchten. Das Dataset muss als Datenquellensicht verfügbar sein. Klicken Sie auf die Schaltfläche Durchsuchen (...), um die Datentabellen auszuwählen, die für das Genauigkeitsdiagramm verwendet werden sollen. Weitere Informationen finden Sie unter Choose and Map Model Testing Data.

     Wenn Sie ein externes Dataset verwenden, können Sie das Eingabedataset optional filtern. Weitere Informationen finden Sie unter Anwenden von Filtern zum Modellieren von Testdaten.

Hinweis

Sie können keinen Filter für die Modelltestfälle oder die Miningstrukturtestfälle auf der Registerkarte Eingabeauswahl erstellen. Um einen Filter für das Miningmodell zu erstellen, ändern Sie die Filter-Eigenschaft des Modells. Weitere Informationen finden Sie unter Anwenden eines Filters auf ein Miningmodell.

Konfigurieren von Diagrammeinstellungen und Generieren des Diagramms

1. Klicken Sie in der Registerkarte Mininggenauigkeitsdiagramm auf die Registerkarte für das Diagramm, das Sie erstellen möchten.

2. Klicken Sie für ein Aufzugsdiagramm auf die Registerkarte Aufzugsdiagramm . Das Diagramm wird automatisch basierend auf dem Modell, vorhersagbaren Attributen und Eingabedaten generiert, die Sie gerade ausgewählt haben.

3. Klicken Sie für eine Klassifizierungsmatrix auf die Registerkarte Klassifizierungsmatrix . Es sind keine weiteren Einstellungen erforderlich. das Diagramm wird automatisch basierend auf den von Ihnen ausgewählten Eingabedaten und dem ausgewählten Modell generiert.

4. Klicken Sie für ein Gewinndiagramm zuerst auf die Registerkarte Aufzugsdiagramm . Wählen Sie dann in der Dropdownliste Diagrammtypdie Option Gewinndiagramm aus.

   Geben Sie die folgenden Einstellungen im Dialogfeld Gewinndiagrammeinstellungen ein.

   Bevölkerung
   Die Anzahl von Fällen im Dataset, die Sie beim Erstellen des Prognosegütediagramms verwenden möchten.

   Das Modell wählt die Fälle immer nach sinkender Wahrscheinlichkeit aus. Wenn Sie also potenzielle Kunden bewerten und eine Anzahl auswählen, die der Hälfte der in der Kundendatenbank vorhandenen Kunden entspricht, misst das Modell die Genauigkeit für die Teilmenge der Fälle, die am besten für Ihr Modell geeignet sind.

   Die Ursache hierfür liegt darin, dass Sie beim Erstellen eines Mailings oder einer Kampagne mit dem Modell die Vorhersagewahrscheinlich für jeden Fall nutzen, um nur die Kunden anzusprechen, die mit höchster Wahrscheinlichkeit einen Kauf tätigen werden.

   Feste Kosten
   Die festen Kosten, die mit dem Geschäftsproblem verbunden sind.

   Bei einer Targeted Mailing-Lösung könnten die festen Kosten beispielsweise die Kosten zum Einrichten eines Druckers umfassen, die die anfänglichen Kosten für die Vorbereitung des Mailings abdecken.

   Diese Kosten gelten einmal für die gesamte Zielpopulation.

   Individuelle Kosten
   Kosten, die zusätzlich zu den festen Kosten entstehen und den einzelnen Kundenkontakten zugeordnet werden können. Sie könnten beispielsweise die Versandkosten für ein Mailing oder die Kosten für Telefonanrufe eingeben.

   Diese Kosten müssen für die gesamte Zielpopulation die gleichen sein. Jeder Wert wird mit der Anzahl der angesprochenen Fälle multipliziert.

   Einzelumsatz
   Die Höhe des mit einem erfolgreichen Verkauf verbundenen Umsatzes.

Weitere Informationen

Prognosegütediagramm (Analysis Services – Data Mining)
Klassifikationsmatrix (Analysis Services Data Mining)