热线电话:13121318867

登录
2018-11-23 阅读量: 1064
为什么要用模型评估指标?

介绍

预测建模致力于建设性反馈原则。你建立了一个模型。获取指标的反馈,进行改进并继续,直到达到理想的准确度。评估指标解释了模型的性能。评估指标的一个重要方面是它们区分模型结果的能力。

许多天才的分析师,甚至不检查模型的准确性。一旦他们完成了模型的建立,他们就会急忙将预测值映射到看不见的数据上。这是一种不正确的方法。

简单地说,建立一个预测模型不是你的动机。但是,创建并选择一个能够在样本数据之外提供高精度的模型。因此,在计算预测值之前检查模型的准确性是至关重要的。

在数据分析的行业中,我们会考虑不同类型的指标来评估我们的模型。度量的选择完全取决于模型的类型和模型的实施计划。完成模型构建后,考虑以下这7个指标将帮助您评估模型的准确性:

  1. 混乱矩阵
  2. 增益和提升图表
  3. Kolmogorov Smirnov图表
  4. AUC - ROC
  5. 基尼系数
  6. 协调 - 不和谐比率
  7. 均方根误差
  8. 交叉验证(虽然不是指标!)
0.0000
2
关注作者
收藏
评论(0)

发表评论

暂无数据
推荐帖子