预测值和置信度:
$R-表示预测值,$RC表示置信度,置信度在0-1之间,说明预测值的精准度。
评估图表的工作原理:
根据预测值及预测的置信度排序记录、将记录分割为大小相等的组(分位数)并按由高到低顺序为每个分位数绘制业务标准值。
收益(增益)图表:
收益的定义是相对于全部匹配,发生于每个分位数中的匹配的百分比。其计算方法为(分位数中的匹配数量/全部匹配数量) × 100%。
解读收益图。累积收益图的线从左至右的走势通常是从0% 到100%。优秀模型的收益图将陡升至100%,然后保持平直。无法提供有用信息的模型将呈对角线状,即从左下角到右上角(选择了包含基线后将显示类似图表)。
提升图(TGI指数):
提升将每个分位数中匹配记录的百分比与在全部训练数据中匹配的百分比进行比较。其计算方式为(在分位数中的匹配/在分位数中的记录)/(全部匹配/全部记录)。
解读提升图。累积提升图的线从左至右的走势通常为:起始于大于1.0 的值,并渐渐下降,直到接近1.0。图表的右侧边缘表示整个数据集,因此累积分位数的匹配与数据中的匹配的比例为1.0。对于优秀模型的提升图,其线开始于图表左侧大于1.0 的值,且在向右移动的过程中,始终保持在较高的水平;然后,在图表右侧,向1.0的方向迅速下降。如果模型不能提供任何信息,则其线在整个图形中将始终围绕在1.0 左右。(如果选择了包含基线,一条值为1.0 的水平线将显示在图表中供您参考。)
响应图:
响应即分位数中,匹配记录的比例。其计算方式为(分位数中的匹配/分位数中的记录)× 100%。
解读响应图。累积响应图通常与提升图极其类似,只在尺度标准方面有所区别。通常,响应图开始于接近100%之处,并逐渐下降,最终将在延伸至图表右侧边缘时达到整体响应率(全部匹配/全部记录)。对于优秀模型的响应图,其线开始于图表左侧接近或等于100% 的值,且在向右移动的过程中,始终保持在较高的水平;然后,在图表右侧,向整体响应率的方向迅速下降。如果模型不能提供任何信息,则其线在整个图形中将始终围绕在整体响应率左右。(如果选择了包含基线,一条值相当于整体响应率的水平线将显示在图表中供您参考。)
利润图:
利润等于每个记录的收入减去该记录的成本。也就是说,分位数的利润就是位于该分位数内的所有记录的利润总和。这里假定收入仅应用于匹配项,但成本可应用于所有的记录。利润及成本都可以是固定的,也可以由数据中的字段决定。其计算方法为(分位数中所有记录收入的总和分位数中所有记录成本的总合)。
例如,如果为每个客户邮寄报价的成本是$0.48,而从接受三个月的订阅的积极响应中获得的收入是$9.95,则每个no 响应将花费$0.48,而每个yes 响应将赚取$9.47(计算方式为9.95–0.48)。
解读利润图。累积利润图线从左至右的走势代表随着所选样本数量的增加,利润总和的增长。利润图通常开始于0 附近,并在向右延伸的过程中,稳步增长直至在图表中部到达峰值或保持较高的值;随后,在向右侧边缘延伸的过程中,逐渐下降。优秀模型的利润图将在图表中部某处显示定义良好的峰值。而无法提供任何信息的模型,其线相对而言比较平直,也可能由于成本/收入结构的不同增加、降低或保持不变。
投资回报图:
投资回报(ROI) 也需要确定收入和成本,从这一点上来说,它与利润相同。ROI 将分位数的成本和利润进行比较。其计算方法为(分位数利润/分位数成本)× 100%。
解读投资回报图。累积投资回报(ROI) 图通常与响应图及提升图类似,只有在尺度标准方面有所差别。投资回报图通常开始于大于0% 的值,并逐渐下降,直到达到整个数据集的整体ROI(可能为负)。对于优秀模型的投资回报图,其线开始于图表左侧大于0% 的值,且在向右移动的过程中,始终保持在较高的水平;然后,在图表右侧,向整体ROI 的方向迅速下降。如果模型不能提供任何信息,则其线在整个图形中将始终围绕在整体ROI 左右。
累积响应图、提升图和投资回报图类似,只是在尺度标准方面有所差别。
- 大小: 57.1 KB
- 大小: 24.1 KB
- 大小: 31 KB
- 大小: 33.2 KB
- 大小: 29.9 KB
- 大小: 30.6 KB
分享到:
相关推荐
数据挖掘 机器学习原理与SPSS Clementine应用宝典 第3章 数据挖掘的体系结构与模型.ppt 数据挖掘 机器学习原理与SPSS Clementine应用宝典 第4章 数据选择.ppt 数据挖掘 机器学习原理与SPSS Clementine应用宝典 第5章...
Clementine 完整教程 pdf教程 模型很全哦
摘要:本文应用 Clementine 工具,通过对某银行评估客户信用申请的资料挖掘,展示 了数据挖掘中遇到的问题和解决思路。 关键词:数据挖掘;决策树;Clementine 数据挖掘是运用模式识别技术,以及统计和数 学知识,...
SPSS数据挖掘内容包括:数据挖掘工具Clementine的体系结构以及在整个数据挖掘系统中的地位Clementine的基本设置Clementine数据准备的一些技巧数据挖掘模型的类型和所解决的问题模型评估和部署等
clementine 的入门级教材,适合零基础的学生学习数据挖掘
clementine统计挖掘软件
clementine的一些案例和数据 6.0000 -1.0000 -1.0000 -1.0000 -1.0000 -1.0000 -1.0000 -1.0000 -0.6310 0.8620 -0.1670 -1.0000 -1.0000 -1.0000 -1.0000 -1.0000 -1.0000 -1.0000 -1.0000 -1.0000 -1.0000 -1.0000...
17.1.4评估分类器的准确率 17.2基于统计检验的准则 17.2.1统计模型之间的距离 17.2.2统计模型的离差 17.3基于记分函数的标准 17.4贝叶斯标准 17.5计算标准 17.5.1交叉验证标准 17.5.2自展标准 17.5.3遗传算法 17.6小...
clementine应用实务.rar
数据挖掘 机器学习原理与SPSS Clementine应用宝典 第3章 数据挖掘的体系结构与模型.ppt 数据挖掘 机器学习原理与SPSS Clementine应用宝典 第4章 数据选择.ppt 数据挖掘 机器学习原理与SPSS Clementine应用宝典 第5章...
数据挖掘 机器学习原理与SPSS Clementine应用宝典 第3章 数据挖掘的体系结构与模型.ppt 数据挖掘 机器学习原理与SPSS Clementine应用宝典 第4章 数据选择.ppt 数据挖掘 机器学习原理与SPSS Clementine应用宝典 第5章...
数据挖掘 机器学习原理与SPSS Clementine应用宝典 第3章 数据挖掘的体系结构与模型.ppt 数据挖掘 机器学习原理与SPSS Clementine应用宝典 第4章 数据选择.ppt 数据挖掘 机器学习原理与SPSS Clementine应用宝典 第5章...
clementine11.1数据挖掘软件的破解器。
作为一个数据挖掘平台, Clementine结合商业技术可以快速建立预测性模型,进而应用到商业活动中,帮助人们改进决策过程。强大的数据挖掘功能和显著的投资回报率使得Clementine在业界久负盛誉。同那些仅仅着重于模型...
建模前的通用设置 ...Kohonen网络模型 K-Means聚类分析 TwoStep聚类分析 异常模型 Apriori模型 GRI关联规则 生成规则集模型 序列节点模型 主成分/因子分析 特征选择模型 回归分析 Logistic回归模型
只要会复制粘贴即可,(.\SPSSInc\Clementine12.0\bin)
SPSS Clementine11.1_iso
数据挖掘软件Clementine在干部培训教学评估中的应用.pdf
clementine 教程 PPT 数据挖掘 PDF格式
该文档有助于数据挖掘的学习和应用.希望对同学有帮助