Diese Aufgabe führt eine Kreuzvalidierung der ausgewählten Modelle aus der Miningstruktur "{0}" aus. Die Aufgabe generiert ...

Diese Aufgabe führt eine Kreuzvalidierung der ausgewählten Modelle aus der Miningstruktur '{0}' aus.  
Die Aufgabe generiert einen Bericht über die Qualität der Modelle bei der Vorhersage des Attributs {1}. Bei bestimmten Modellen und Attributen können Sie auch einen bestimmten Zustand auswählen, bei dem dieses Attribut getestet werden soll. Zusätzlich können Sie einen Wahrscheinlichkeitsschwellenwert auswählen, anhand dessen das Modell eine Vorhersage als richtig einstufen soll.  
Auf Grundlage dieser Einstellungen werden die Daten entsprechend dem Parameter für die Aufteilungsanzahl in {2} Aufteilungen partitioniert. Bei der Prüfung des Modells werden entsprechend dem Parameter für die maximale Zeilenanzahl bis zu {3} Zeilen berücksichtigt. Wenn dieser auf 0 festgelegt ist, werden alle Fälle berücksichtigt. Dies kann einige Zeit in Anspruch nehmen.
Diese Aufgabe führt eine Kreuzvalidierung der ausgewählten Modelle aus der Miningstruktur '{0}' aus.  
Die Aufgabe generiert einen Bericht über die Qualität der Modelle bei der Vorhersage des Attributs {1}. Bei bestimmten Modellen und Attributen können Sie auch einen bestimmten Zustand auswählen, bei dem dieses Attribut getestet werden soll. Zusätzlich können Sie einen Wahrscheinlichkeitsschwellenwert auswählen, anhand dessen das Modell eine Vorhersage als richtig einstufen soll.  
Auf Grundlage dieser Einstellungen werden die Daten entsprechend dem Parameter für die Foldanzahl in {2} Folds partitioniert. Bei der Prüfung des Modells werden entsprechend dem Parameter für die maximale Zeilenanzahl bis zu {3} Zeilen berücksichtigt. Wenn dieser auf 0 festgelegt ist, werden alle Fälle berücksichtigt. Dies kann einige Zeit in Anspruch nehmen.
Diese Aufgabe führt eine Kreuzvalidierung der ausgewählten Modelle aus der Miningstruktur "{0}" aus.  
Die Aufgabe generiert einen Bericht über die Qualität der Modelle bei der Vorhersage des Attributs {1}. Bei bestimmten Modellen und Attributen können Sie auch einen bestimmten Zustand auswählen, bei dem dieses Attribut getestet werden soll. Zusätzlich können Sie einen Wahrscheinlichkeitsschwellenwert auswählen, anhand dessen das Modell eine Vorhersage als richtig einstufen soll.  
Auf Grundlage dieser Einstellungen werden die Daten entsprechend dem Parameter für die Foldanzahl in {2} Folds partitioniert. Bei der Prüfung des Modells werden entsprechend dem Parameter für die maximale Zeilenanzahl bis zu {3} Zeilen berücksichtigt. Wenn dieser auf 0 festgelegt ist, werden alle Fälle berücksichtigt. Dies kann einige Zeit in Anspruch nehmen.