“交叉验证”选项卡（“挖掘准确性图表”视图）
通过使用交叉验证，可以将挖掘结构分区为交叉部分，并针对每个交叉部分循环定型和测试模型。 您可以指定要将数据划分成多少个折叠，每个折叠反过来会用作测试数据，而其余的数据用于为新模型定型。 然后，Analysis Services 为每个模型生成一组标准准确性指标。 通过比较为每个交叉部分生成的模型的指标，可以清楚地了解挖掘模型对于整个数据集的可靠程度。
有关详细信息，请参阅交叉验证（Analysis Services - 数据挖掘）。
注意
交叉验证不能与使用Microsoft时序算法或Microsoft序列聚类分析算法生成的模型一起使用。 如果对包含这些模型类型的挖掘结构运行报表，则这些模型将不会包括在报表中。
任务列表
指定折叠数。
指定将用于交叉验证的最大事例数。
指定可预测列。
可以选择指定可预测状态。
可以选择设置控制如何评估预测准确性的参数。
单击“获取结果”可显示交叉验证的结果。
UI 元素列表
折叠计数
指定要创建的折叠数或分区数。 最小值是 2，这表示数据集的一半用于测试，另一半用于定型。
对于会话挖掘结构，最大值是 10。
如果挖掘结构存储在 Analysis Services 实例中，则最大值为 256。
注意
随着您增加折叠数，执行交叉验证所需的时间近似增加 n 倍。 如果事例数很大且“折叠计数”的值也很大，可能遇到性能问题。
最大事例数
指定将用于交叉验证的最大事例数。 任一特定折叠中的事例数等于 “最大事例数” 值除以 “折叠计数” 值。
如果使用 0，则源数据中的所有事例都用于交叉验证。
没有默认值。
注意
如果增加事例数，处理时间也会增加。
目标属性
从在所有模型中找到的可预测列的列表中选择列。 每次执行交叉验证时，只能选择一个可预测列。
若要只测试聚类分析模型，请选择 “分类”。
目标状态
键入一个值，或者从值的下拉列表中选择一个目标值。
默认值为 null，表示将测试所有状态。
对聚类分析模型禁用。
目标 阈值
指定一个 0 到 1 之间的值，该值指示预测概率，高于此概率的预测状态被计为正确。 可以使用 0.1 为增量来设置该值。
默认值为 null，表明将可能性最大的预测计为正确。
注意
虽然可以将值设置为 0.0，但这样做会增加处理时间，而且不会产生有意义的结果。
获取结果
单击此项将使用指定参数开始模型的交叉验证。
模型被分区为指定数量的折叠，并为每个折叠测试单独的模型。 因此，交叉验证可能需要一些时间才能返回结果。
有关如何解释交叉验证报告的结果的详细信息，请参阅 交叉验证报表中的度量值。
设置准确性阈值
可以通过为目标阈值设置值来控制测量预测准确性的标准。 阈值表示一种准确性栏。 为每个预测分配一个预测值正确的概率。 因此，如果将目标阈值设置为接近 1，则要求将任何特定预测的概率相当高，才能算作良好的预测。 相反，如果将目标阈值设置为接近 0，则即使概率值较低的预测也算作“良好”预测。
由于任何预测的概率都取决于数据量以及所进行预测的类型，因此没有建议的阈值。 应查看不同概率级别的一些预测，以确定适用于您的数据的准确性栏。 请务必执行此操作，因为为目标阈值设置的值会影响模型的测量准确度。
例如，假设对特定目标状态进行了三次预测，每次预测的概率分别是 0.05、0.15 和 0.8。 如果将阈值设置为 0.5，则仅有一个预测计为正确。 如果将目标阈值设置为 0.10，则两个预测被计为正确。
如果目标阈值设置为null默认值，则每个事例的可能预测数为正确。 在上面的示例中，0.05、0.15 和 0.8 是三个不同事例中的预测概率。 虽然概率差别较大，但每个预测都记为正确，因为每个事例只生成一个预测，而这些预测是这些事例的最佳预测。
另请参阅
测试和验证 （数据挖掘）
交叉验证 （Analysis Services - 数据挖掘）
交叉验证报表中的度量值
数据挖掘存储过程 （Analysis Services - 数据挖掘）