SystemGetClusterCrossValidationResults (Analysis Services – Data Mining)

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.

Partitioniert die Miningstruktur in die angegebene Anzahl an Querschnitten, trainiert ein Modell für jede Partition und gibt anschließend Genauigkeitsmetriken für jede Partition zurück.

Hinweis Diese gespeicherte Prozedur kann nur mit einer Miningstruktur verwendet werden, die mindestens ein Clustering-Modell enthält. Um Nichtclusteringmodelle quer zu überprüfen, müssen Sie SystemGetCrossValidationResults (Analysis Services – Data Mining) verwenden.

Syntax

  
SystemGetClusterCrossValidationResults(  
<structure name>,   
[,<mining model list>]  
,<fold count>}  
,<max cases>  
<test list>])  

Argumente

Miningstruktur
Name einer Miningstruktur in der aktuellen Datenbank.

(erforderlich)

mining model list
Durch Trennzeichen getrennte Liste von Miningmodellen, die überprüft werden sollen.

Wenn keine Liste mit Miningmodellen angegeben wird, erfolgt die Kreuzvalidierung für alle Clustering-Modelle, die mit der angegebenen Struktur verknüpft sind.

Hinweis

Zum Kreuzvalidieren von Modellen, die keine Clustermodelle sind, müssen Sie eine separate gespeicherte Prozedur verwenden, SystemGetCrossValidationResults (Analysis Services – Data Mining)..

(Optional)

fold count
Ganzzahliger Wert, der die Anzahl der Partitionen angibt, in die das Dataset aufgeteilt werden soll. Der Mindestwert beträgt 2. Die maximale Anzahl von Aufteilungen ist maximum integer oder die Anzahl von Fällen, wobei der jeweils niedrigere Wert gilt.

Jede Partition enthält ungefähr diese Anzahl von Fällen: maximale Anzahl von Fällen/, die zusammengeklappt werden.

Es ist kein Standardwert vorhanden.

Hinweis

Die Anzahl der Aufteilungen wirkt sich erheblich auf die Zeit aus, die für die Kreuzvalidierung benötigt wird. Wenn Sie eine zu hohe Zahl auswählen, kann die Ausführung der Abfrage sehr lang dauern, und in manchen Fällen reagiert der Server möglicherweise nicht mehr oder ein Timeout tritt ein.

(erforderlich)

Maximale Anzahl von Fällen
Ganzzahliger Wert, der die maximale Anzahl von Fällen angibt, die getestet werden können.

Der Wert 0 gibt an, dass alle Fälle in der Datenquelle verwendet werden.

Wenn Sie eine Zahl angeben, die größer ist als die tatsächliche Anzahl der Fälle im Dataset ist, werden alle Fälle in der Datenquelle verwendet.

(erforderlich)

test list
Eine Zeichenfolge, die Testoptionen angibt.

Hinweis Dieser Parameter ist für die zukünftige Verwendung reserviert.

(Optional)

Rückgabetyp

Die Tabelle mit den Rückgabetypen enthält Bewertungen für jede einzelne Partition und Aggregate für alle Modelle.

In der folgenden Tabelle werden diese zurückgegebenen Spalten beschrieben.

Spaltenname	Beschreibung
ModelName	Name des Modells, das getestet wurde.
AttributeName	Der Name der vorhersagbaren Spalte. Bei Clustermodellen immer null.
AttributeState	Ein angegebener Zielwert in der vorhersagbaren Spalte. Bei Clustermodellen immer NULL.
PartitionIndex	Ein 1-basierter Index, der angibt, für welche Partition die Ergebnisse gelten.
PartitionSize	Ein ganzzahliger Wert, der angibt, wie viele Fälle in jeder Partition enthalten waren.
Test	Der Typ von Test, der ausgeführt wurde.
"Measure"	Der Name des Measures, der vom Test zurückgegeben wurde. Measures für die einzelnen Modelle richten sich nach dem Typ des vorhersagbaren Werts. Eine Definition der einzelnen Measure finden Sie unter Kreuzvalidierung (Analysis Services – Data Mining). Eine Liste der für die einzelnen vorhersagbaren Typen zurückgegebenen Measures finden Sie unter Measures im Kreuzvalidierungsbericht.
Wert	Der Wert des angegebenen Testmeasures.

Hinweise

Verwenden Sie SystemGetClusterAccuracyResults (Analysis Services – Data Mining), um Genauigkeitsmetriken für das gesamte Dataset zurückzugeben.

Wenn das Miningmodell bereits in Folds partitioniert wurde, können Sie die Verarbeitung umgehen und nur die Ergebnisse der Kreuzvalidierung mithilfe von SystemGetClusterAccuracyResults (Analysis Services – Data Mining) zurückgeben.

Beispiele

Das folgende Beispiel veranschaulicht, wie man eine Miningstruktur in drei Aufteilungen partitioniert und dann zwei Clustering-Modelle testet, die mit der Miningstruktur verknüpft sind.

In Zeile 3 des Codes sind die spezifischen Miningmodelle aufgelistet, die Sie testen möchten. Wenn Sie die Liste nicht angeben, werden alle der Struktur zugeordneten Clustering-Modelle verwendet.

In Zeile 4 des Codes ist die Anzahl der Aufteilungen und in Zeile 5 die Höchstzahl der zu verwendenden Fälle angegeben.

Da es sich hierbei um Clustering-Modelle handelt, brauchen Sie kein vorhersagbares Attribut oder Wert anzugeben.

CALL SystemGetClusterCrossValidationResults(  
[v Target Mail],  
[Cluster 1], [Cluster 2],  
3,  
10000  
)  

Beispielergebnisse:

ModelName	AttributeName	AttributeState	PartitionIndex	PartitionSize	Test	"Measure"	Wert
Cluster 1			1	3025	Clustering	Fallwahrscheinlichkeit	0.930524511864121
Cluster 1			2	3025	Clustering	Fallwahrscheinlichkeit	0.919184178430778
Cluster 1			3	3024	Clustering	Fallwahrscheinlichkeit	0.929651120490248
Cluster 2			1	1289	Clustering	Fallwahrscheinlichkeit	0.922789726933607
Cluster 2			2	1288	Clustering	Fallwahrscheinlichkeit	0.934865535691068
Cluster 2			3	1288	Clustering	Fallwahrscheinlichkeit	0.924724595688798

Anforderungen

Die Kreuzüberprüfung ist nur in SQL Server Enterprise ab SQL Server 2008 verfügbar.

Weitere Informationen

SystemGetCrossValidationResults (Analysis Services – Data Mining)
SystemGetAccuracyResults (Analysis Services - Data Mining)
SystemGetClusterCrossValidationResults
SystemGetClusterAccuracyResults (Analysis Services – Data Mining)