採点機能選択したモデルで使用できる「スコア」のタイプ (ターゲットの予測値、予測値の確率、選択したターゲット値の確率など)。

スコアリング関数の種類

• 予測値: ターゲット結果の予測値。
• 予測値の確率: 比率で表される正しい値。
• 選択された値の確率:から 「 値列真ん中ドロップダウン リストから値を選択します、利用可能な値はモデルによって定義されます。
• 信頼度: 分類ターゲットの予測値に関連付けられた確率の尺度。バイナリ ロジスティック回帰、多項ロジスティック回帰、および単純ベイズ モデルの場合、結果はツリー モデルおよびルールセット モデルの予測値と常に同じになります。常に予測値よりも可能性が高くなります。確率は小さいです。
• ノード番号: ツリー モデルの予測された終端ノード番号。
• 標準誤差: 予測値の標準誤差。
• 累積リスク: 予測変数の値を考慮して、指定された時刻またはそれ以前にイベントが観測される確率を示す累積リスク関数を推定します。
• 最近傍要素: case label 変数の値に属する最近傍要素の ID。
• K 番目の最近傍要素: K 番目の最近傍要素の ID を、ケース ラベル変数の値に属する整数を k 値として入力します。
• 最近隣との距離: モデルに応じて、ユークリッド距離または都市ブロック距離が使用されます。
• K 番目の最近傍までの距離: [値] 列に k 値として整数を入力します。モデルに応じて、ユークリッド距離または都市ブロック距離が使用されます。

スコアリング関数の分類

• ベイジアンスコアリング関数
• 情報理論に基づいたスコアリング機能