machine-learning - 通过SSAS数据挖掘获取测试和交易集的评分结果

我们的表很大，我们正在使用SSAS数据挖掘对其做出预测。

我们正在努力获取评分的测试和培训案例，以便以有效的方式进行验证。有没有一种方法可以在不为每一行调用算法的情况下进行（预测联接）？

例如，如果我的输入数据集包含以下列：

（客户，国家/地区，年龄，性别，BuyAmount）我想获取...

（客户，国家/地区，年龄，性别，购买金额，预计购买金额，概率）

这必须是可能的，因为这是在模型处理过程中完成的，很可能用于生成验证图，例如SystemGetClassificationMatrix。

如果我们谈论的是数十亿行，那将是一个很大的性能提升。


避免重复计算（预测联接将为每一行执行模型）
避免使用openrowset将数据从数据库移至SSAS（案例已保存在model.cases中）
避免将结果写回某个地方以供将来分析


这应该是微不足道的解决方案...我必须缺少一些东西。

最佳答案

我有一个来自微软的解决方案。我在这里写它，因为它可能对其他人有用

训练/测试数据存储在挖掘结构中，除非在训练后将其清除。以下查询应该起作用：

从挖掘模型[ModelName]中选择Predict（..），PredictProbability（..）
自然预测加入

可以在哪里：
从采矿结构中选择* [MiningStructureName] .CASES
从采矿结构中选择* [MiningStructureName] .IsTrainingCase（）的情况
从采矿结构中选择* [MiningStructureName] .IsTestCase（）的情况

从挖掘结构中清除案例
从采矿结构中删除[MiningStructureName] .CASES

采矿结构训练用例未应用模型过滤器。如果要查询发送给模型的实际训练案例，则可以在where子句中明确键入过滤器，也可以直接查询挖掘模型案例（如果模型启用了追溯功能）
从采矿结构中选择* [MiningStructureName]。在IsTrainingCase（）和[Gender] ='Female'的情况下
SELECT * FROM MINING MODEL [ModelName] .CASES

如果挖掘结构列名称与挖掘模型列名称不同，则必须使用“ PREDICTION JOIN”代替“ NATURAL PREDICTION JOIN”，并在查询中提供映射。

关于machine-learning - 通过SSAS数据挖掘获取测试和交易集的评分结果，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/37425421/