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:
- 混乱矩阵
- 增益和提升图表
- Kolmogorov Smirnov图表
- AUC - ROC
- 基尼系数
- 协调 - 不和谐比率
- 均方根误差
- 交叉验证(虽然不是指标!)






评论(0)


暂无数据
推荐帖子
0条评论
0条评论
1条评论