Scopi Con la procedura guidata Grafico di accuratezza è possibile valutare le prestazioni di modelli di data mining in base ...

Scopi 
La procedura guidata Grafico di accuratezza consente di valutare le prestazioni di modelli di data mining in base a dati di prova dalla struttura di data mining, da una tabella o un intervallo di Excel o da un'origine dati esterna. Se il modello da valutare è di classificazione, la procedura guidata compilerà un grafico di accuratezza, che illustra le prestazioni del modello a confronto con un modello ideale ipotetico nel quale la classificazione viene eseguita senza errori. Nel caso di un modello di valutazione, verrà compilato un grafico a dispersione che illustra sia le valutazioni del modello che i valori effettivi dai dati di prova.

Funzionamento
La procedura guidata consente di scegliere un modello da valutare dall'elenco dei modelli disponibili nel server oppure una struttura di data mining. Se si sceglie una struttura di data mining, verranno valutati tutti i modelli che contiene. È inoltre possibile scegliere la colonna di output dei modelli da testare nonché l'origine dei dati di prova, ovvero dati dalla struttura di data mining o una nuova origine. Se si selezionano nuovi dati di prova, sarà possibile definire i mapping tra le colonne dei dati di prova e le colonne del modello.
Scopi 
Con la procedura guidata Grafico di accuratezza è possibile valutare le prestazioni di modelli di data mining in base a dati di prova dalla struttura di data mining, da una tabella o un intervallo di Excel o da un'origine dati esterna. Se il modello da valutare è di classificazione, la procedura guidata compilerà un grafico di accuratezza, che illustra le prestazioni del modello a confronto con un modello ideale ipotetico nel quale la classificazione viene eseguita senza errori. Nel caso di un modello di valutazione, verrà compilato un grafico a dispersione che illustra sia le valutazioni del modello che i valori effettivi dai dati di prova.

Funzionamento
Nella procedura guidata è possibile scegliere un modello da valutare dall'elenco dei modelli disponibili nel server oppure una struttura di data mining. Se si sceglie una struttura di data mining, verranno valutati tutti i modelli che contiene. È inoltre possibile scegliere la colonna di output dei modelli da testare nonché l'origine dei dati di prova, ovvero dati dalla struttura di data mining o una nuova origine. Se si selezionano nuovi dati di prova, sarà possibile definire i mapping tra le colonne dei dati di prova e le colonne del modello.