SQL SERVER 数据挖掘中的几个问题（二）：理解列的用法（Predict和PredictOnly)

最近与一个客户的开发团队探讨和学习SQL Server的数据挖掘及其应用。有几个比较有意思的问题，整理出来

关于数据挖掘的基本知识和学习资料，可以参考http://msdn.microsoft.com/zh-cn/library/bb510517.aspx

上一篇: SQL SERVER 数据挖掘中的几个问题（一）：理解内容类型

 

这是一个小的细节问题,我们在定义挖掘模型的时候,会指定不同的列的用法,基本上有如下几种

• Ignore(忽略）
• Input（输入）
• Predict（预测）
• PredictOnly（仅预测）

前面两个很容易理解，“忽略”就是说这个列不在当前算法中使用，例如某些列在某些算法里面不受支持。而“输入”则是最常见的一种用法，就是说这个列作为算法作为预测分析的输入数据。

关键在于如何理解“预测”与“仅预测”

• 预测：这种列的意思是，该列既作为输入列（输入的数据），也作为输出列（预测的结果）
• 仅预测：该列只作为输出列，不能作为输入列。也就是说它不会作为对其他因素做分析或者预测的因素。

这里面有两个主要层面的意思

• 如果是选择“预测”这种用法，那么这种列可以作为“输入”的性质，对其他列（尤其是其他预测列）产生影响。而“仅预测”这种则是说自己只是仅仅作为预测的目的存在，它本身不能作为预测其他列的前提。
• 所以，如果有多个预测列（这在有的时候也是可能的），那么对于某些列，设置为“预测”而不是“仅预测”应该是很有必要的；而对于在模型中只有唯一的预测目标列时，可以设置为“仅预测”来提高模型的准确性和效率。
• 在对新数据做预测的时候，我们也可以看到这样的意思

在这种情况下，Bike Buyer这个列，也可以作为输入进行映射