Метод SystemGetClusterAccuracyResults (службы Analysis Services — интеллектуальный анализ данных)

Применимо к: SQL Server 2019 и более ранних версий Analysis Services Azure Analysis Services Fabric/Power BI Premium

Важно!

Интеллектуальный анализ данных не рекомендуется использовать в службах SQL Server 2017 Analysis Services, а в SQL Server 2022 Analysis Services его поддержка прекращена. Документация не обновляется для устаревших и неподдерживаемых функций. Дополнительные сведения см. в статье об обратной совместимости служб Analysis Services.

Возвращает показатели точности перекрестной проверки для структуры интеллектуального анализа и связанных с ней моделей кластеризации.

Эта хранимая процедура возвращает показатели для всего набора данных как единой секции. Чтобы разбить набор данных на перекрестные разделы и вернуть метрики для каждой секции, используйте SystemGetClusterCrossValidationResults (Службы Analysis Services — интеллектуальный анализ данных).

Примечание

Эта хранимая процедура работает только с моделями кластеризации. Для моделей, отличных от кластеризация, используйте SystemGetAccuracyResults (Службы Analysis Services — интеллектуальный анализ данных).

Синтаксис

  
SystemGetClusterAccuracyResults(  
<mining structure>   
[,<mining model list>]  
,<data set>  
,<test list>])  

Аргументы

структура интеллектуального анализа данных
Имя структуры интеллектуального анализа данных в текущей базе данных.

(обязательно)

список моделей интеллектуального анализа данных
Список моделей для проверки с разделителями-запятыми.

По умолчанию значение null, означающее, что используются все применимые модели. При использовании значения по умолчанию некластеризованные модели автоматически исключаются из списка обработки.

(необязательно)

набор данных
Целочисленное значение, указывающее, что секция в структуре интеллектуального анализа должна использоваться для тестирования. Это значение получается из битовой маски, которая представляет сумму следующих значений, каждое из которых в отдельности является необязательным:

• Учебные примеры: 0x0001

• Тестовые случаи: 0x0002

• Фильтр модели: 0x0004

Полный список возможных значений см. в подразделе «Примечания» этого раздела.

(обязательно)

список тестирования
Строка, указывающая параметры тестирования. Этот параметр зарезервирован для использования в будущем.

(необязательно).

Тип возвращаемых данных

Таблица, содержащая оценки каждой отдельной секции и статистических функций для всех моделей.

Следующая таблица содержит список столбцов, возвращаемых методом SystemGetClusterAccuracyResults. Дополнительные сведения об интерпретации сведений, возвращаемых этой хранимой процедурой, см. в разделе Меры в отчете перекрестной проверки.

Имя столбца	Описание
ModelName	Имя протестированной модели. ЗначениеВсе указывает, что результат представляет собой статистическое выражение, полученное для всех моделей.
AttributeName	Неприменимо к моделям кластеризации.
AttributeState	Неприменимо к моделям кластеризации.
PartitionIndex	Число, указывающее секцию. Для этой хранимой процедуры оно всегда будет равно 0.
PartitionCases	Целое число, указывающее количество проверенных вариантов.
Тест	Тип выполненного теста.
Мера	Имя меры, возвращенной тестом. Меры для каждой модели зависят от типа модели и типа прогнозируемого значения. Список мер, возвращаемых для каждого прогнозируемого типа, см. в разделе Меры в отчете перекрестной проверки. Определение каждой меры см. в разделе Перекрестная проверка (службы Analysis Services — интеллектуальный анализ данных).
Значение	Оценка вероятности, указывающая вероятность кластерного варианта.

Комментарии

В следующей таблице приводятся примеры значений, с помощью которых можно указать в структуре интеллектуального анализа данные, используемые для перекрестной проверки. Если для перекрестной проверки нужно использовать проверочные варианты, то структура интеллектуального анализа данных должна содержать набор проверочных данных. Сведения о том, как определить набор проверочных данных во время создания структуры интеллектуального анализа данных, см. в разделе Обучающие и проверочные наборы данных.

Целое значение	Описание
1	Используются только обучающие варианты.
2	Используются только проверочные варианты.
3	Используются и обучающие и проверочные варианты.
4	Недопустимое сочетание.
5	Используются только обучающие варианты, и применяется фильтр модели.
6	Используются только проверочные варианты, и применяется фильтр модели.
7	Используются и обучающие и проверочные варианты, и применяется фильтр модели.

Дополнительные сведения о сценариях, в которых используется перекрестная проверка, см. в разделе Тестирование и проверка (интеллектуальный анализ данных).

Примеры

В этом примере возвращаются меры точности для двух моделей кластеризация с именами Cluster 1 и Cluster 2, которые связаны со структурой интеллектуального анализа данных vTargetMail. Код в четвертой строке указывает, что результаты должны быть основаны только на проверке вариантов, без использования фильтров, которые могут быть связаны с каждой моделью.

CALL SystemGetClusterAccuracyResults (  
[vTargetMail],  
[Cluster 1], [Cluster 2],  
2  
)  

Образец результатов:

ModelName	AttributeName	AttributeState	PartitionIndex	PartitionSize	Тест	Мера	Значение
Кластер 1			0	5545	Кластеризация	Вероятность варианта	0.796514342249313
Кластер 2			0	5545	Кластеризация	Вероятность варианта	0.732122471228572

Требования

Перекрестная проверка доступна только в SQL Server Enterprise начиная с SQL Server 2008 года.

См. также:

SystemGetCrossValidationResults (службы Analysis Services — интеллектуальный анализ данных)
SystemGetAccuracyResults (службы Analysis Services — интеллектуальный анализ данных)
Хранимая процедура SystemGetClusterCrossValidationResults (службы Analysis Services — интеллектуальный анализ данных)
SystemClusterGetAccuracyResults