점수 매기기 기능선택된 모델에 사용할 수 있는 "점수"의 유형으로, 대상의 예측값, 예측값의 확률, 선택된 대상값의 확률 등이 있습니다.

스코어링 함수 유형

• 예측 가치: 목표 결과의 예측 가치
• 예측값의 확률: 비율로 표현된 정확한 값
• 선택된 값의 확률:~에서 「 값 열가운데드롭다운 목록에서 값을 선택하세요,사용 가능한 값은 모델에 의해 정의됩니다..
• 신뢰도: 범주형 대상의 예측 값과 관련된 확률 측정값입니다. 이진 로지스틱 회귀, 다항 로지스틱 회귀 및 나이브 베이즈 모델의 경우 결과는 예측 값의 확률과 동일합니다. 트리 및 규칙 집합 모델의 경우 결과는 항상 예측 값의 확률보다 작습니다.
• 노드 번호: 트리 모델의 예측된 터미널 노드 번호입니다.
• 표준 오차: 예측 값의 표준 오차;
• 누적 위험: 예측 변수의 값이 주어졌을 때, 특정 시간 또는 그 이전에 사건을 관찰할 확률을 나타내는 누적 위험 함수를 추정합니다.
• 가장 가까운 이웃 요소: 케이스 레이블 변수의 값에 속하는 가장 가까운 이웃 요소의 ID입니다.
• K번째 최근접 이웃: K번째 최근접 이웃의 ID입니다. 값 열에 k 값으로 정수를 입력합니다. 이 값은 케이스 레이블 변수의 값입니다.
• 가장 가까운 이웃까지의 거리: 모델에 따라 유클리드 거리나 도시 블록 거리가 사용됩니다.
• K번째로 가까운 이웃까지의 거리: 값 열에 k 값으로 정수를 입력합니다. 모델에 따라 유클리드 거리나 도시 블록 거리가 사용됩니다.

스코어링 함수의 분류

• 베이지안 점수 함수
• 정보 이론에 기반한 점수 함수