Artykuł
07/22/2011

SystemGetAccuracyResults (Analysis Services - wyszukiwania danych)

Zwraca dokładności krzyżowo metryki dla struktura wyszukiwania i wszystkich powiązanych modeli, z wyłączeniem modeli klastrów.

Ta procedura składowana zwraca metryki dla całego zestaw danych jako pojedynczą partycję.Służy do dzielenia zestawu danych na przekrój poprzeczny i przywrócić metryki dla każdej partycji, SystemGetCrossValidationResults (Analysis Services - wyszukiwania danych).

Ostrzeżenie

Ta procedura składowana nie jest obsługiwana dla modeli utworzonych za pomocą Microsoft algorytm szeregu czasowego lub Microsoft sekwencji klastrowanie algorytmu.Ponadto dla klastrowanie modeli, użyć oddzielnej procedura składowana, SystemGetClusterAccuracyResults (Analysis Services - wyszukiwania danych).

Składnia

SystemGetAccuracyResults(<mining structure>, 
[,<mining model list>]
,<data set>
,<target attribute>
[,<target state>]
[,<target threshold>]
[,<test list>])

Argumenty

mining structure
Nazwa struktura wyszukiwania w bieżącej bazie danych.

(Wymagane)
model list
Rozdzielana przecinkami lista modeli do sprawdzania poprawności.

Wartością domyślną jest null.Oznacza to, że wszystkie modele stosowane są używane.Gdy używana jest domyślna, klastrowanie modele są automatycznie wyłączone z listy kandydatów do przetworzenia.

(Opcjonalnie)
data set
Wartość całkowitą, która wskazuje, które partycji w struktura wyszukiwania jest używany do testowania.Wartość jest pochodną maskę bitową, która stanowi sumę następujących wartości, gdzie dowolną pojedynczą wartość jest opcjonalne:

Przypadki szkolenia

0X0001

Testów

0X0002

Filtr modelu

0X0004

Aby uzyskać pełną listę możliwych wartości zobacz sekcję Spostrzeżenia tego tematu.

(wymagane)
target attribute
Ciąg zawierający nazwę obiektu przewidywalne.Przewidywalne obiekt może być kolumna, kolumna tabela zagnieżdżonej lub kolumnie klucz tabela zagnieżdżonej model wyszukiwania.

(wymagane)
target state
Ciąg zawierający określoną wartość do przewidywania.

Jeżeli określono wartość metryki zbiera się dla tego konkretnego Państwa.

Jeśli nie określono wartości lub podana jest wartość null, metryki są obliczane dla najbardziej prawdopodobnego stanu dla każdego przewidywanie.

Wartością domyślną jest null.

(opcjonalnie)
target threshold
Liczbę z zakresu od 0.0 i 1, która określa minimalne prawdopodobieństwo, w którym wartość przewidywanie jest liczony jako poprawne.

Wartością domyślną jest null, co oznacza wszystkie przewidywań są liczone jako poprawne.

(opcjonalnie)
test list
Ciąg, który określa opcje badania.Ten parametr jest zarezerwowany do użytku w przyszłości.

(opcjonalnie)

Zwracany typ

Zestaw wierszy, który jest zwracany zawiera wyniki dla każdej partycji i zagregowanych danych dla wszystkich modeli.

Poniższa tabela zawiera listę kolumn, zwrócony przez GetValidationResults.

Nazwa kolumny	Opis
Model	Nazwa modelu, która została zbadana.Wszystkie wskazuje, że wynik jest wartość zagregowana dla wszystkich modeli.
Nazwa_atrybutu	Nazwa przewidywalna kolumna.
AttributeState	Wartość miejsce docelowe przewidywalna kolumna. Jeśli kolumna zawiera wartości, metryki są zbierane tylko określone Państwo. Jeśli ta wartość nie została określona lub jest null, metryki są obliczane dla najbardziej prawdopodobnego stanu dla każdego przewidywanie.
PartitionIndex	Oznacza partycję, której dotyczy wynik. Ta procedura zawsze 0.
PartitionCases	To liczba całkowita oznaczająca liczbę wierszy w przypadku zestaw, na podstawie <data set> parametru.
Test	Typ testu, który został wykonany.
Miara	Nazwa miara zwracane przez badania.Środki dla każdego modelu zależą od typu model i typ wartości przewidywalne. Listę środków zwracane dla każdego typu przewidywalny, zobacz Raport sprawdzania poprawności krzyżowych (Analysis Services - wyszukiwania danych). Definicję każdego miara Sprawdzanie poprawności krzyżowych (Analysis Services - wyszukiwania danych).
Wartość	Wartość dla określonej miara.

Uwagi

Poniższa tabela zawiera przykłady wartości, które można użyć do określenia danych w struktura wyszukiwania używany do sprawdzania poprawności krzyżowych.Jeśli chcesz użyć testów krzyżowo struktura wyszukiwania musi już zawierać testów zestaw danych.Aby uzyskać informacje dotyczące sposobu definiowania zestaw testowania danych podczas tworzenia struktura wyszukiwania, zobacz Partycjonowanie danych do szkolenia i testowania zestawy (Analysis Services - wyszukiwania danych).

Wartość całkowita	Opis
1	Są używane tylko w przypadkach szkolenia.
2	Są używane tylko w przypadkach badania.
3	Używane są zarówno spraw kształcenia i testowania przypadkach.
4	Nieprawidłowa kombinacja.
5	Są używane tylko w przypadkach szkolenia i stosowany jest filtr modelu.
6	Są używane tylko w przypadkach badania i stosowany jest filtr modelu.
7	Szkolenie i badania przypadków są używane i stosowany jest filtr modelu.

Aby uzyskać więcej informacji na temat scenariusze, w których można użyć krzyżowe sprawdzanie poprawności, zobacz Sprawdzanie poprawności modeli wyszukiwania danych (Analysis Services - wyszukiwania danych).

Przykłady

W tym przykładzie zwraca środki dokładność jednej decyzji drzewa modelu, v Target Mail DT, jest skojarzony z vTargetMail struktura wyszukiwania.The code on line four indicates that the results should be based on the testing cases, filtered for each model by the filter specific to that model.[Bike Buyer] specifies the column that is to be predicted, and the 1 on the following line indicates that the model is to be evaluated only for the specific value 1, meaning "Yes, will buy".

Końcowe linii kodu Określa, że wartość progu Państwa 0,5.Oznacza to, że przewidywania, które mają większą niż 50 procent prawdopodobieństwa powinny być liczone jako "dobry" Dokładność obliczania, przewidywania.

CALL SystemGetAccuracyResults (
[vTargetMail],
[vTargetMail DT],
6,
'Bike Buyer',
1,
0.5
)

Przykładowe wyniki:

ModelName	Nazwa_atrybutu	AttributeState	PartitionSize	Test	Miara	Wartość
v DT poczty docelowej	Kupujący Bike	1	1638	Klasyfikacja	Dodatnia wartość PRAWDA	605
v DT poczty docelowej	Kupujący Bike	1	1638	Klasyfikacja	Fałszywie pozytywna	177
v DT poczty docelowej	Kupujący Bike	1	1638	Klasyfikacja	Ujemna wartość PRAWDA	501
v DT poczty docelowej	Kupujący Bike	1	1638	Klasyfikacja	Fałszywe negatywne	355
v DT poczty docelowej	Kupujący Bike	1	1638	Prawdopodobieństwo	Wynik dziennika	-0.598454638753028
v DT poczty docelowej	Kupujący Bike	1	1638	Prawdopodobieństwo	Winda	0.0936717116894395
v DT poczty docelowej	Kupujący Bike	1	1638	Prawdopodobieństwo	Błąd średnia kwadratowa	0.361630800104946