Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
S’applique à :
SQL Server 2019 et versions antérieures d’Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
Important
L’exploration de données a été déconseillée dans SQL Server 2017 Analysis Services et a maintenant été abandonnée dans SQL Server 2022 Analysis Services. La documentation n’est pas mise à jour pour les fonctionnalités déconseillées et abandonnées. Pour en savoir plus, consultez la compatibilité descendante des Analysis Services.
Partitionne la structure d’exploration de données dans le nombre spécifié de sections croisées, entraîne un modèle pour chaque partition, puis retourne des métriques de précision pour chaque partition.
Note
Vous ne pouvez pas utiliser cette procédure stockée pour valider des modèles de clustering ou des modèles qui utilisent l'algorithme de série chronologique Microsoft ou l'algorithme de clustering séquence Microsoft. Pour valider les modèles de clustering croisé, utilisez la procédure stockée distincte - SystemGetClusterCrossValidationResults (Analysis Services - Exploration de données).
Syntaxe
SystemGetCrossValidationResults(
<mining structure>
[, <mining model list>]
,<fold count>
,<max cases>
,<target attribute>
[,<target state>]
[,<target threshold>]
[,<test list>])
Arguments
structure d’exploration de données
Nom d’une structure d’exploration de données dans la base de données active.
(obligatoire)
liste de modèles d’exploration de données
Liste séparée par des virgules des modèles d’exploration de données à valider.
Si un nom de modèle contient des caractères qui ne sont pas valides dans un identificateur, placez le nom entre crochets.
Si vous ne spécifiez pas de liste de modèles d’exploration de données, la procédure valide toutes les modèles appartenant à la structure spécifiée et ont un attribut prévisible.
Note
Pour valider les modèles de clustering croisé, utilisez une procédure stockée distincte, SystemGetClusterCrossValidationResults (Analysis Services - Exploration de données).
(facultatif)
nombre de plis
Entier qui spécifie le nombre de partitions dans lesquelles séparer le jeu de données. La valeur minimale est 2. Le nombre maximal de plis est un entier maximal ou le nombre de cas, selon la valeur inférieure.
Chaque partition contient environ le nombre maximal de cas divisés par cas de nombre de plis .
Il n’existe aucune valeur par défaut.
Note
Le nombre de plis affecte considérablement le temps de validation croisée. Si vous sélectionnez trop de plis, la requête peut prendre beaucoup de temps. Dans certains cas, le serveur peut cesser de répondre ou la demande peut expirer.
(obligatoire)
nombre maximal de cas
Entier qui spécifie le nombre maximal de cas pouvant être testés sur tous les plis.
Lorsque vous spécifiez 0, la procédure utilise tous les cas dans la source de données.
Si la valeur spécifiée dépasse le nombre de cas dans le jeu de données, la procédure utilise tous les cas dans la source de données.
Il n’existe aucune valeur par défaut.
(obligatoire)
attribut cible
Chaîne qui contient le nom de l’attribut prédictible. Un attribut prévisible peut être une colonne, une colonne de table imbriquée ou une colonne clé de table imbriquée d’un modèle d’exploration de données.
Note
La procédure valide l’attribut cible uniquement au moment de l’exécution.
(obligatoire)
état cible
Formule qui spécifie la valeur à prédire. Si vous spécifiez une valeur cible, la procédure collecte uniquement les métriques de cette valeur.
Si vous ne spécifiez pas de valeur ou si vous spécifiez null, la procédure calcule les métriques pour l’état le plus probable pour chaque prédiction.
La valeur par défaut est Null.
La procédure génère une erreur lors de la validation si la valeur spécifiée n’est pas valide pour l’attribut spécifié, ou si la formule n’est pas le type correct pour l’attribut spécifié.
(facultatif)
seuil cible
Double supérieur à 0 et inférieur à 1. Indique le score de probabilité minimal que la prédiction doit atteindre pour que l’état cible spécifié soit correct.
Une prédiction dont la probabilité est inférieure ou égale à cette valeur est considérée comme incorrecte.
Si vous ne spécifiez pas de valeur ou si vous ne la définissez pas sur Null, la procédure utilise l’état le plus probable, quel que soit son score de probabilité.
La valeur par défaut est Null.
Note
SQL Server Analysis Services ne génère pas d'erreur si vous définissez le seuil cible sur 0.0, mais n'utilisez pas cette valeur. Un seuil de 0.0 la procédure permet de compter les prédictions avec une probabilité de pourcentage zéro comme correcte.
(facultatif)
liste de tests
Chaîne qui spécifie les options de test.
Note Ce paramètre est réservé à une utilisation ultérieure.
(facultatif)
Type renvoyé
L’ensemble de lignes retourné contient des scores pour chaque partition de chaque modèle.
Le tableau suivant décrit les colonnes de l’ensemble de lignes.
| Nom de la colonne | Descriptif |
|---|---|
| ModelName | Nom du modèle testé. |
| Nom d'Attribut | Nom de la colonne prévisible. |
| AttributeState | Valeur cible spécifiée dans la colonne prédictible. Si cette valeur est null, la prédiction la plus probable a été utilisée. Si cette colonne contient une valeur, la précision du modèle est évaluée par rapport à cette valeur uniquement. |
| PartitionIndex | Index de base 1 qui identifie la partition à laquelle les résultats s’appliquent. |
| Taille de partition | Entier qui indique le nombre de cas inclus dans chaque partition. |
| Test | Catégorie du test effectué. Pour obtenir une description des catégories et des tests inclus dans chaque catégorie, consultez Mesures dans le rapport de validation croisée. |
| Mesure | Nom de la mesure retournée par le test. Les mesures pour chaque modèle dépendent du type de la valeur prévisible. Pour obtenir une définition de chaque mesure, consultez Validation croisée (Analysis Services - Exploration de données). Pour obtenir la liste des mesures retournées pour chaque type prévisible, consultez Mesures dans le rapport de validation croisée. |
| Valeur | Valeur de la mesure de test spécifiée. |
Remarques
Use - SystemGetAccuracyResults (Analysis Services - Exploration de données) pour retourner des métriques de précision pour le jeu de données complet.
Lorsque le modèle d’exploration de données contient des plis, utilisez SystemGetAccuracyResults (Analysis Services - Exploration de données) pour contourner le traitement et retourner uniquement les résultats de validation croisée.
Examples
L’exemple suivant fractionne la [v Target Mail] structure d’exploration de données en deux plis pour la validation croisée et teste ses [Target Mail DT] modèles d’exploration de données.[Target Mail NB]
La ligne trois répertorie les modèles d’exploration de données à tester. Si vous ne spécifiez pas la liste, la procédure teste tous les modèles non cluster associés à la structure. La ligne quatre définit le nombre de partitions. Étant donné que vous ne spécifiez pas de valeur pour les cas max, la procédure utilise tous les cas dans la structure d’exploration de données et les distribue uniformément entre les partitions.
La ligne cinq spécifie l’attribut prédictible, Bike Buyer et la ligne six spécifie la valeur à prédire, 1 (ce qui signifie « oui, va acheter »).
Dans la ligne sept, NULL définit aucun seuil de probabilité minimal. L’évaluation utilise la première prédiction avec une probabilité différente de zéro pour calculer la précision.
CALL SystemGetCrossValidationResults(
[v Target Mail],
[Target Mail DT], [Target Mail NB],
2,
'Bike Buyer',
1,
NULL
)
Exemples de résultats :
| ModelName | Nom d'Attribut | AttributeState | PartitionIndex | Taille de partition | Test | Mesure | Valeur |
|---|---|---|---|---|---|---|---|
| DT de messagerie cible | Acheteur de vélos | 1 | 1 | 500 | Classification | Vrai positif | Nombre: 144 |
| DT de messagerie cible | Acheteur de vélos | 1 | 1 | 500 | Classification | Faux positif | 105 |
| DT de messagerie cible | Acheteur de vélos | 1 | 1 | 500 | Classification | Vrai négatif | 186 |
| DT de messagerie cible | Acheteur de vélos | 1 | 1 | 500 | Classification | Faux négatif | 65 |
| DT de messagerie cible | Acheteur de vélos | 1 | 1 | 500 | Vraisemblance | Score de journal | -0.619042807138345 |
| DT de messagerie cible | Acheteur de vélos | 1 | 1 | 500 | Vraisemblance | Soulever | 0.0740963734002671 |
| DT de messagerie cible | Acheteur de vélos | 1 | 1 | 500 | Vraisemblance | Erreur carrée moyenne racine | 0.346946279977653 |
| DT de messagerie cible | Acheteur de vélos | 1 | 2 | 500 | Classification | Vrai positif | 162 |
| DT de messagerie cible | Acheteur de vélos | 1 | 2 | 500 | Classification | Faux positif | 86 |
| DT de messagerie cible | Acheteur de vélos | 1 | 2 | 500 | Classification | Vrai négatif | 165 |
| DT de messagerie cible | Acheteur de vélos | 1 | 2 | 500 | Classification | Faux négatif | 87 |
| DT de messagerie cible | Acheteur de vélos | 1 | 2 | 500 | Vraisemblance | Score de journal | -0.654117781086519 |
| DT de messagerie cible | Acheteur de vélos | 1 | 2 | 500 | Vraisemblance | Soulever | 0.038997399132084 |
| DT de messagerie cible | Acheteur de vélos | 1 | 2 | 500 | Vraisemblance | Erreur carrée moyenne racine | 0.342721344892651 |
Spécifications
À compter de SQL Server 2008, la validation croisée est disponible uniquement dans SQL Server Entreprise.