Freigeben über


Punktdiagramm (Analysis Services - Data Mining)

Mit einem Punktdiagramm werden die tatsächlichen Werte in Ihren Daten anhand der vom Modell vorhergesagten Werte dargestellt. Das Punktdiagramm zeigt die tatsächlichen Werte entlang der X-Achse an und zeigt die vorhergesagten Werte entlang der Y-Achse an. Außerdem wird eine Linie angezeigt, die die perfekte Vorhersage veranschaulicht, wobei der vorhergesagte Wert exakt mit dem tatsächlichen Wert übereinstimmt. Der Abstand eines Punkts von dieser idealen Winkellinie von 45 Grad gibt an, wie gut oder wie schlecht die Vorhersage ausgeführt wurde.

Verständnis des Streudiagramms

Ziehen Sie ein Modell in Betracht, in dem die Marketingabteilung den täglichen Umsatz basierend auf der Anzahl der Klicks auf einen Link voraussagt, der in einer Werbe-E-Mail gesendet wird. Da sowohl die Anzahl der Klicks als auch die Anzahl der Verkäufe fortlaufend numerische Werte sind, können Sie die Anzahl der Klicks als unabhängige Variable und den Umsatz als abhängige Variable graphieren. In diesem Zusammenhang zeigt die gerade Linie die erwartete lineare Beziehung an, und die um diese Linie verteilten Punkte zeigen, wie sich die tatsächlichen Daten von der erwarteten Linie unterscheiden. Diese Analyse informiert Sie auf einen Blick, wie genau eine Reihe von Ergebnissen mit einer bestimmten Eingabe korreliert wird und wie viel Variation es aus dem idealen Modell gibt.

Interpretieren der Ergebnisse

Das folgende Diagramm zeigt ein Beispiel für ein Punktdiagramm, das für das soeben beschriebene Szenario erstellt wurde.

Beispiel eines Punktdiagramms für eine lineare Regression

Sie können die Maus an einem beliebigen Punkt, der um die Linie verteilt ist, anhalten, um die vorhergesagten und tatsächlichen Werte in einem Tooltip anzuzeigen. Es gibt keine Mining Legend für ein Punktdiagramm; das Diagramm selbst enthält jedoch eine Legende, die die dem Modell zugeordnete Bewertung anzeigt. Weitere Informationen zum Interpretieren des Scores finden Sie unter Mining Model Content for Linear Regression Models (Analysis Services - Data Mining).

Sie können die visuelle Darstellung des Diagramms in die Zwischenablage kopieren, aber nicht die zugrunde liegenden Daten oder die Formel. Wenn Sie die Regressionsformel für die Zeile anzeigen möchten, können Sie eine Inhaltsabfrage für das Modell erstellen. Weitere Informationen finden Sie unter "Beispiele für lineare Regressionsmodellabfragen".

Einschränkungen bei Punktdiagrammen

Ein Punktdiagramm kann nur erstellt werden, wenn das Modell, das Sie auf der Registerkarte " Eingabeauswahl " auswählen, ein fortlaufendes vorhersagbares Attribut enthält. Sie müssen keine zusätzlichen Auswahlmöglichkeiten treffen; Der Punktdiagrammtyp wird automatisch auf der Registerkarte "Diagramm anheben " basierend auf Modell und Attributtyp angezeigt.

Obwohl Zeitreihenmodelle fortlaufende Zahlen prognostizieren, können Sie die Genauigkeit eines Zeitreihenmodells nicht mithilfe eines Punktdiagramms messen. Es gibt andere Methoden, die Sie verwenden können, z. B. das Reservieren eines Teils der historischen Daten. Weitere Informationen finden Sie unter "Abfragebeispiele für Zeitreihenmodell".

Die folgenden Themen enthalten weitere Informationen dazu, wie Sie Punktdiagramme und zugehörige Genauigkeitsdiagramme erstellen und verwenden können.

Themen Verknüpfungen
Enthält eine exemplarische Vorgehensweise zum Erstellen eines Liftdiagramms für das Targeted Mailing-Modell. Grundlegendes Data Mining-Lernprogramm

Testen der Genauigkeit mit Liftdiagrammen (Grundlegendes Data Mining-Lernprogramm)
Erläutert verwandte Diagrammtypen. Lift-Chart (Analysis Services - Data Mining)

Gewinndiagramm (Analysis Services - Data Mining)

Klassifizierungsmatrix (Analysis Services - Data Mining)
Beschreibt die Verwendung der Kreuzvalidierung für Miningmodelle und Miningstrukturen. Cross-Validation (Analysis Services - Data Mining)
Beschreibt die Schritte zum Erstellen von Liftdiagrammen und anderen Genauigkeitsdiagrammen. Test- und Validierungsaufgaben und Vorgehensweisen (Data Mining)

Siehe auch

Testen und Überprüfen (Data Mining)