Score-Funktion

Scoring-Funktionist die Art des für das ausgewählte Modell verfügbaren „Scores“, z. B. der vorhergesagte Wert des Ziels, die Wahrscheinlichkeit des vorhergesagten Werts, die Wahrscheinlichkeit des ausgewählten Zielwerts.

Bewertungsfunktionstyp

• Vorhergesagter Wert: der vorhergesagte Wert des Zielergebnisses;
• Wahrscheinlichkeit des vorhergesagten Werts: korrekter Wert, ausgedrückt als Anteil;
• Wahrscheinlichkeit des ausgewählten Wertes:aus 「 Spalte „Wert“MitteWählen Sie einen Wert aus der Dropdown-Liste,Verfügbare Werte werden durch das Modell definiert.
• Konfidenz: Ein Wahrscheinlichkeitsmaß, das mit dem vorhergesagten Wert eines kategorischen Ziels verbunden ist. Bei binären logistischen Regressions-, multinomialen logistischen Regressions- und Naive-Bayes-Modellen ist das Ergebnis dasselbe wie die Wahrscheinlichkeit des vorhergesagten Werts. Bei Baum- und Regelsatzmodellen ist das Ergebnis immer geringer als die Wahrscheinlichkeit des vorhergesagten Werts.
• Knotennummer: die vorhergesagte Endknotennummer des Baummodells;
• Standardfehler: Standardfehler des vorhergesagten Wertes;
• Kumulative Gefahr: Schätzt die kumulative Gefahrenfunktion, die die Wahrscheinlichkeit angibt, dass ein Ereignis zu oder vor einem bestimmten Zeitpunkt beobachtet wird, wenn die Werte der Prädiktorvariablen gegeben sind.
• Nächstes Nachbarelement: die ID des nächsten Nachbarelements, die zum Wert der Fallbezeichnungsvariable gehört;
• K-ter nächster Nachbar: Die ID des K-ten nächsten Nachbarn. Geben Sie in der Spalte „Wert“ eine Ganzzahl als K-Wert ein, die dem Wert der Fallbezeichnungsvariable entspricht.
• Distanz zum nächsten Nachbarn: Je nach Modell wird die euklidische oder City-Block-Distanz verwendet;
• Abstand zum K-ten nächsten Nachbarn: Geben Sie in der Spalte „Wert“ eine Ganzzahl als K-Wert ein. Je nach Modell wird entweder die euklidische Distanz oder die City-Block-Distanz verwendet.

Klassifizierung von Bewertungsfunktionen

• Bayesianische Bewertungsfunktion
• Bewertungsfunktion basierend auf der Informationstheorie