Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Si applica a:
SQL Server 2019 e versioni precedenti di Analysis Services 
Azure Analysis Services Fabric/Power BI Premium
Importante
Il data mining è stato deprecato in SQL Server 2017 Analysis Services e ora è stato sospeso in SQL Server 2022 Analysis Services. La documentazione non viene aggiornata per le funzionalità deprecate e non più disponibili. Per altre informazioni, vedere Compatibilità con le versioni precedenti di Analysis Services.
Partiziona la struttura di data mining nel numero specificato di sezioni incrociate, esegue il training di un modello per ogni partizione e quindi restituisce le metriche di accuratezza per ogni partizione.
Annotazioni
Non è possibile usare questa stored procedure per convalidare i modelli o i modelli di clustering incrociati che usano l'algoritmo Microsoft Time Series o l'algoritmo sequence clustering Microsoft. Per convalidare tra i modelli di clustering, usare la stored procedure separata SystemGetClusterCrossValidationResults (Analysis Services - Data mining).To cross-validate clustering models, use the separate stored procedure - SystemGetClusterCrossValidationResults (Analysis Services - Data mining).
Sintassi
SystemGetCrossValidationResults(
<mining structure>
[, <mining model list>]
,<fold count>
,<max cases>
,<target attribute>
[,<target state>]
[,<target threshold>]
[,<test list>])
Arguments
struttura di data mining
Nome di una struttura di data mining nel database corrente.
(obbligatorio)
elenco di modelli di data mining
Elenco delimitato da virgole dei modelli di data mining da convalidare.
Se un nome di modello contiene caratteri non validi in un identificatore, racchiudere il nome tra parentesi quadre.
Se non si specifica un elenco di modelli di data mining, la procedura convalida intervalida tutti i modelli che appartengono alla struttura specificata e hanno un attributo stimabile.
Annotazioni
Per convalidare tra i modelli di clustering, usare una stored procedure separata, SystemGetClusterCrossValidationResults (Analysis Services - Data mining).To cross-validate clustering models, use a separate stored procedure, SystemGetClusterCrossValidationResults (Analysis Services - Data mining).
(facoltativo).
numero di riduzioni
Integer che specifica il numero di partizioni in cui separare il set di dati. Il valore minimo è 2. Il numero massimo di riduzioni è il numero massimo di numeri interi o il numero di case, a qualsiasi valore inferiore.
Ogni partizione contiene circa il numero massimo di case diviso per i casi di conteggio delle riduzioni .
Non esiste alcun valore predefinito.
Annotazioni
Il numero di riduzioni influisce notevolmente sul tempo di convalida incrociata. Se si selezionano troppe riduzioni, la query potrebbe richiedere molto tempo. In alcuni casi, il server può smettere di rispondere o la richiesta può verificarsi un timeout.
(obbligatorio)
max case
Numero intero che specifica il numero massimo di case che possono essere testati in tutte le riduzioni.
Quando si specifica 0, la procedura usa tutti i casi nell'origine dati.
Se il valore specificato supera il numero di case nel set di dati, la procedura usa tutti i case nell'origine dati.
Non esiste alcun valore predefinito.
(obbligatorio)
attributo di destinazione
Stringa contenente il nome dell'attributo stimabile. Un attributo stimabile può essere una colonna, una colonna della tabella nidificata o una colonna chiave della tabella nidificata di un modello di data mining.
Annotazioni
La procedura convalida l'attributo di destinazione solo in fase di esecuzione.
(obbligatorio)
stato di destinazione
Formula che specifica il valore da stimare. Se si specifica un valore di destinazione, la procedura raccoglie solo le metriche per tale valore.
Se non si specifica un valore o si specifica null, la procedura calcola le metriche per lo stato più probabile per ogni stima.
Il valore predefinito è Null.
La procedura genera un errore durante la convalida se il valore specificato non è valido per l'attributo specificato o se la formula non è il tipo corretto per l'attributo specificato.
(facoltativo).
sogliadi destinazione
Doppio maggiore di 0 e minore di 1. Indica il punteggio di probabilità minimo che la stima deve raggiungere affinché lo stato di destinazione specificato sia corretto.
Una stima con probabilità minore o uguale a questo valore è considerata errata.
Se non si specifica un valore o lo si imposta su Null, la procedura usa lo stato più probabile, indipendentemente dal punteggio di probabilità.
Il valore predefinito è Null.
Annotazioni
SQL Server Analysis Services non genera un errore se si imposta la soglia di destinazione su 0.0, ma non si usa questo valore. Una soglia di 0.0 fa sì che la procedura conteggii le stime con probabilità zero percentuale come corretta.
(facoltativo).
elenco di test
Stringa che specifica le opzioni di test.
Nota Questo parametro è riservato per un uso futuro.
(facoltativo).
Tipo di ritorno
Il set di righe restituito contiene punteggi per ogni partizione in ogni modello.
Nella tabella seguente vengono descritte le colonne del set di righe.
| Nome della colonna | Description |
|---|---|
| ModelName | Nome del modello testato. |
| AttributeName | Nome della colonna stimabile. |
| AttributeState | Valore di destinazione specificato nella colonna stimabile. Se questo valore è Null, è stata usata la stima più probabile. Se questa colonna contiene un valore, l'accuratezza del modello viene valutata solo in base a questo valore. |
| PartitionIndex | Indice basato su 1 che identifica la partizione a cui si applicano i risultati. |
| Dimensione della Partizione | Intero che indica il numero di case inclusi in ogni partizione. |
| Test | Categoria del test eseguito. Per una descrizione delle categorie e dei test inclusi in ogni categoria, vedere Misure nel report di convalida incrociata. |
| Misura | Nome della misura restituita dal test. Le misure per ogni modello dipendono dal tipo del valore stimabile. Per una definizione di ogni misura, vedere Convalida incrociata (Analysis Services - Data mining) . Per un elenco delle misure restituite per ogni tipo stimabile, vedere Misure nel report di convalida incrociata. |
| Value | Valore della misura di test specificata. |
Osservazioni:
Use - SystemGetAccuracyResults (Analysis Services - Data mining) per restituire le metriche di accuratezza per il set di dati completo.
Quando il modello di data mining contiene riduzioni, usare SystemGetAccuracyResults (Analysis Services - Data mining) per ignorare l'elaborazione e restituire solo risultati di convalida incrociata.
Esempi
Nell'esempio seguente la [v Target Mail] struttura di data mining viene suddivisa in due riduzioni per la convalida incrociata e i relativi [Target Mail DT] modelli di data mining e [Target Mail NB] .
La riga tre elenca i modelli di data mining da testare. Se non si specifica l'elenco, la procedura verifica tutti i modelli non cluster associati alla struttura. La riga quattro imposta il numero di partizioni. Poiché non si specifica un valore per i casi massimi, la procedura usa tutti i case nella struttura di data mining e li distribuisce uniformemente tra le partizioni.
La riga 5 specifica l'attributo stimabile, Bike Buyer e la riga sei specifica il valore da stimare, 1 (ovvero "sì, acquisterà").
Nella riga 7, NULL non imposta alcuna soglia di probabilità minima. La valutazione usa la prima stima con una probabilità diversa da zero per calcolare l'accuratezza.
CALL SystemGetCrossValidationResults(
[v Target Mail],
[Target Mail DT], [Target Mail NB],
2,
'Bike Buyer',
1,
NULL
)
Risultati di esempio:
| ModelName | AttributeName | AttributeState | PartitionIndex | Dimensione della Partizione | Test | Misura | Value |
|---|---|---|---|---|---|---|---|
| DT posta di destinazione | Acquirente di Biciclette | 1 | 1 | 500 | Classification | Vero positivo | 144 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 1 | 500 | Classification | Falso positivo | 105 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 1 | 500 | Classification | Vero negativo | 186 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 1 | 500 | Classification | Falso negativo | 65 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 1 | 500 | Probabilità | Punteggio log | -0.619042807138345 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 1 | 500 | Probabilità | Ascensore | 0.0740963734002671 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 1 | 500 | Probabilità | Errore quadratico medio radice | 0.346946279977653 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 2 | 500 | Classification | Vero positivo | 162 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 2 | 500 | Classification | Falso positivo | 86 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 2 | 500 | Classification | Vero negativo | 165 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 2 | 500 | Classification | Falso negativo | 87 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 2 | 500 | Probabilità | Punteggio log | -0.654117781086519 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 2 | 500 | Probabilità | Ascensore | 0.038997399132084 |
| DT posta di destinazione | Acquirente di Biciclette | 1 | 2 | 500 | Probabilità | Errore quadratico medio radice | 0.342721344892651 |
Requisiti
A partire da SQL Server 2008, la convalida incrociata è disponibile solo in SQL Server Enterprise.