Testando a precisão com gráficos de comparação de precisão (Tutorial de mineração de dados básico)
Na guia Gráfico de Precisão de Mineração do Designer de Mineração de Dados, você pode calcular a precisão com que cada modelo faz previsões e comparar os resultados de cada modelo diretamente em relação aos resultados dos outros modelos. Esse método de comparação é conhecido como gráfico de comparação de precisão. Normalmente, a precisão da previsão de um modelo de mineração é medida por comparação de precisão ou precisão de classificação. Para este tutorial, só usaremos o gráfico de comparação de precisão. Para obter mais informações sobre como usar gráficos de comparação de precisão e outros gráficos de precisão, consulte Ferramentas para criar gráficos de precisão de modelos (Analysis Services - Mineração de dados).
Neste tópico, você executará as seguintes tarefas:
Escolha de dados de entrada
Seleção de modelos, colunas previsíveis e valores
Escolha dos dados de entrada
A primeira etapa para se testar a precisão dos modelos de mineração é selecionar a fonte de dados que será usada para teste. Você testará o desempenho dos modelos com os dados de teste e os usará com dados externos.
Para selecionar o conjunto de dados
Alterne para a guia Gráfico de Precisão de Mineração do Designer de Mineração de Dados no Business Intelligence Development Studio e selecione a guia Seleção de Entrada.
Na caixa de grupo Selecionar conjunto de dados a ser usado para o Gráfico de Precisão, selecione Usar casos de teste da estrutura de mineração para testar os modelos usando os dados de teste que você definiu separadamente quando criou a estrutura de mineração.
Para obter mais informações sobre as outras opções, consulte Medindo a precisão do modelo de mineração (Analysis Services - Mineração de dados).
Selecionando modelos, colunas previsíveis e valores
A próxima etapa é selecionar os modelos a serem incluídos no gráfico de comparação de precisão, a coluna previsível a que os modelos serão comparados e o valor a ser previsto.
.gif "Observação") Observação |
|---|
As colunas do modelo de mineração da lista Nome da Coluna Previsível são restritas a colunas com o tipo de uso definido como Predict or Predict Only e têm o tipo de conteúdo Discrete ou Discretized. |
Para mostrar a elevação dos modelos
Na guia Seleção de Entrada do Designer de Mineração de dados, sob Selecionar colunas do modelo de mineração previsível a serem mostradas no gráfico de comparação de precisão, marque a caixa de seleção de Sincronizar Colunas e Valores de Previsão.
Na coluna Nome de Coluna Previsível, verifique se Comprador de Bicicleta foi selecionado para cada modelo.
Na coluna Mostrar, selecione cada um dos modelos.
Por padrão, são selecionados todos os modelos na estrutura de mineração. Você pode optar por não incluir um modelo, mas para este tutorial deixe todos os modelos selecionados.
Na coluna Valor de Previsão, selecione 1. O mesmo valor é preenchido automaticamente para cada modelo que tenha a mesma coluna previsível.
Selecione a guia Gráfico de Comparação de Precisão para exibir o gráfico de comparação de precisão.
Quando você clica na guia, uma consulta de previsão é executada no servidor e no banco de dados para verificar a estrutura de mineração e os dados de teste ou tabela de entrada. Os resultados serão plotados no gráfico.
Quando você insere um Valor de Previsão, o gráfico de comparação de previsão plota um Modelo de Previsão Aleatório, além de um Modelo Ideal. Os modelos de mineração criados recairão estes dois extremos; entre uma previsão aleatória e uma previsão perfeita. Qualquer melhoria da previsão aleatória será considerada como comparação de precisão.
Use a legenda para localizar as linhas coloridas que representam o Modelo Ideal e o Modelo de Previsão Aleatório.
Você observará que o modelo TM_Decision_Tree fornece a maior comparação de precisão, superando os modelos Clustering e Naive Bayes.
Para obter uma explicação detalhada sobre um gráfico de comparação de precisão similar ao criado nesta lição, consulte Gráfico de comparação de precisão (Analysis Services - Mineração de Dados).