SystemGetCrossValidationResults（Analysis Services - 数据挖掘）

  • 项目

适用于：SQL Server 2019 及更早版本的 Analysis Services Azure Analysis Services Fabric/Power BI Premium

重要

数据挖掘在 SQL Server 2017 Analysis Services 中已弃用，现在在 SQL Server 2022 Analysis Services 中已停止使用。 对于已弃用和停止使用的功能，文档不会更新。 若要了解详细信息，请参阅 Analysis Services 后向兼容性。

将挖掘结构分区为指定数目的交叉部分，并对每个分区为模型定型，然后返回每个分区的准确性指标。

注意

此存储过程不能用于交叉验证聚类分析模型，或使用 Microsoft 时序算法或 Microsoft 顺序聚类分析算法生成的模型。 若要交叉验证聚类分析模型，可以使用单独的存储过程 SystemGetClusterCrossValidationResults (Analysis Services - 数据挖掘) 。

语法

  
SystemGetCrossValidationResults(  
<mining structure>  
[, <mining model list>]  
,<fold count>  
,<max cases>  
,<target attribute>  
[,<target state>]  
[,<target threshold>]  
[,<test list>])

参数

挖掘结构
当前数据库中挖掘结构的名称。

（必需）

挖掘模型列表
要验证的挖掘模型的逗号分隔列表。

如果模型名称中包含任何对于标识符名称无效的字符，则必须将名称用方括号括起来。

如果未指定挖掘模型列表，则对与指定结构关联并包含可预测属性的所有模型执行交叉验证。

注意

若要交叉验证聚类分析模型，必须使用单独的存储过程 SystemGetClusterCrossValidationResults (Analysis Services - 数据挖掘) 。

（可选）

折叠计数
整数，指定将数据集分入的分区的数目。 最小值为 2。 最大倍数为 maximum integer 或事例数，取两者中的较低者。

每个分区将大致包含此数量的事例： 最大事例折叠/计数。

没有默认值。

注意

折叠数会在很大程度上影响执行交叉验证所需的时间。 如果选择的数目过高，查询可能需要运行较长时间，在某些情况下，服务器会停止响应或超时。

（必需）

最大事例数
整数，指定可以在所有折叠间进行测试的最大事例数。

值 0 指示将使用数据源中的所有事例。

如果指定的值大于数据集中的实际事例数，则使用数据源中的所有事例。

没有默认值。

（必需）

目标属性
包含可预测属性的名称的字符串。 可预测属性可以是挖掘模型的列、嵌套表列或嵌套表键列。

注意

仅在运行时才会验证目标属性是否存在。

（必需）

目标状态
指定要预测的值的公式。 如果指定了目标值，将只针对指定的值收集指标。

如果未指定值，或为 null，则针对每个预测最有可能的状态计算指标。

默认值为 null。

如果指定的值对于指定属性无效，或公式不是指定属性的正确类型，则在验证期间会引发错误。

（可选）

目标阈值
Double 大于 0 且小于 1。 指示要将指定目标状态的预测视为正确而必须取得的最小概率分数。

概率小于或等于此值的预测将被视为不正确。

如果未指定值，或为 null，则使用最有可能的状态，无论其概率分数如何。

默认值为 null。

注意

如果将状态阈值设置为 0.0，SQL Server Analysis Services不会引发错误，但绝不应使用此值。 实际上，阈值为 0.0 意味着概率为 0% 的预测也将视为正确。

（可选）

测试列表
指定测试选项的字符串。

注意 ：此参数留待将来使用。

（可选）

返回类型

返回的行集包含每个模型中每个分区的分数。

下表对行集中的列进行了说明。

列名 说明
ModelName 所测试模型的名称。
AttributeName 可预测列的名称。
AttributeState 可预测列中的指定目标值。 如果此值为 null，则使用了最有可能的预测。

如果此列包含一个值，则只针此值评估模型的准确性。
PartitionIndex 一个从 1 开始的索引，用于标识结果适用于哪个分区。
PartitionSize 一个整数，指示每个分区中包含的事例数。
测试 所执行测试的类别。 有关各类别以及每个类别中包含的测试的说明，请参阅 交叉验证报表中的度量值。
度量值 测试返回的度量值的名称。 每个模型的度量值都取决于可预测值的类型。 有关每个度量值的定义，请参阅 交叉验证 (Analysis Services - 数据挖掘) 。

有关为每个可预测类型返回的度量值的列表，请参阅 交叉验证报表中的度量值。
值 指定的测试度量值的值。

注解

若要返回完整数据集的准确性指标，请使用 SystemGetAccuracyResults (Analysis Services - 数据挖掘) 。

如果挖掘模型已分区为折叠，则可以绕过处理，仅返回交叉验证的结果，方法是使用 SystemGetAccuracyResults (Analysis Services - 数据挖掘) 。

示例

下面的示例演示如何将进行交叉验证的挖掘结构分区为两个折叠，然后测试与该挖掘结构 [v Target Mail]关联的两个挖掘模型。

代码的第三行列出了要测试的挖掘模型。 如果未指定此列表，则使用与该结构关联的所有非聚类分析模型。 代码的第四行指定了分区数。 由于没有为 max cases指定值，因此将使用挖掘结构中的所有事例，并在各分区间平均分布。

第五行指定了可预测属性 Bike Buyer，第六行指定了要预测的值 1（表示“是，将要购买”）。

第七行的 NULL 值指示没有必须满足的最小概率限制。 因此，在评估准确性时将使用具有非零概率的第一个预测。

CALL SystemGetCrossValidationResults(  
[v Target Mail],  
[Target Mail DT], [Target Mail NB],  
2,  
'Bike Buyer',  
1,  
NULL  
)

示例结果：

ModelName AttributeName AttributeState PartitionIndex PartitionSize 测试 度量值 值
Target Mail DT Bike Buyer 1 1 500 分类 真正 144
Target Mail DT Bike Buyer 1 1 500 分类 假正 105
Target Mail DT Bike Buyer 1 1 500 分类 真负 186
Target Mail DT Bike Buyer 1 1 500 分类 假负 65
Target Mail DT Bike Buyer 1 1 500 可能性 对数评分 -0.619042807138345
Target Mail DT Bike Buyer 1 1 500 可能性 提升 0.0740963734002671
Target Mail DT Bike Buyer 1 1 500 可能性 均方根误差 0.346946279977653
Target Mail DT Bike Buyer 1 2 500 分类 真正 162
Target Mail DT Bike Buyer 1 2 500 分类 假正 86
Target Mail DT Bike Buyer 1 2 500 分类 真负 165
Target Mail DT Bike Buyer 1 2 500 分类 假负 87
Target Mail DT Bike Buyer 1 2 500 可能性 对数评分 -0.654117781086519
Target Mail DT Bike Buyer 1 2 500 可能性 提升 0.038997399132084
Target Mail DT Bike Buyer 1 2 500 可能性 均方根误差 0.342721344892651

要求

从 2008 SQL Server 开始，交叉验证仅在SQL Server Enterprise中可用。

另请参阅

SystemGetCrossValidationResults
SystemGetAccuracyResults（Analysis Services - 数据挖掘）
SystemGetClusterCrossValidationResults（Analysis Services - 数据挖掘）
SystemGetClusterAccuracyResults（Analysis Services - 数据挖掘）