2018-11-23
阅读量:
759
评估模型的常用指标
基尼系数
基尼系数有时用于分类问题。基尼系数可以从AUC ROC数得出。基尼系数只是ROC曲线与诊断线之间的面积与上述三角形的面积之比。以下是使用的公式:
基尼= 2 * AUC - 1
基尼系数高于60%是一个很好的模型。对于手头的情况,我们得到基尼系数为92.7%。
协调 - 不和谐比率
对于任何分类预测问题,这也是最重要的指标之一。要理解这一点,我们假设我们有3名学生今年有可能通过。以下是我们的预测:
A - 0.9
B - 0.5
C - 0.3
现在想象一下。如果我们要从这三个学生那里取两对,我们会有多少对?我们将有3对:AB,BC,CA。现在,在年底结束后,我们看到A和C在今年通过而B失败了。不,我们选择所有配对,我们将找到一个响应者和其他非响应者。我们有多少这样的配对?
我们有两对AB和BC。现在对于2对中的每一对,一致对是响应者的概率高于无应答者的概率。而不和谐的对是反之亦然的。如果两个概率相等,我们说它是平局。让我们看看在我们的案例中会发生什么:
AB - 一致
BC - 不和谐
因此,在此示例中,我们有50%的一致情况。超过60%的一致比率被认为是一个很好的模型。在决定要定位的客户数量时,通常不使用此度量标准。它主要用于访问模型的预测能力。对于像KS / Lift图表再次采用多少目标的决定。
0.0000
0
0
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
0条评论
0条评论
1条评论