分类模型的性能评估——以SAS Logistic回归为例(3): Lift和Gain
4 天 后
仁兄写的不错,浅显易懂
4 天 后
很好的入门教程,我正在找这方面的入门资料,真是深受启发,感谢作者的笔墨。并期待下一篇。
:)
:)
5 个月 后
不错,讲得相当清楚
道理讲得很清晰易懂,佩服
5 个月 后
很不错,拜读了!
5 个月 后
请问啥时候有K-S啊?
6 个月 后
“现在你可以从你的千人名单中挑选出反应最积极的100人来(b+d=100),这10%的人的反应率 (response rate)为60%(d/b+d=60%,d=60)。那么,对这100人的群体(我们称之为Top 10%),通过运用我们的模型,相对的提升(lift value)就为60%/20%=3;换句话说,与不运用模型而随机选择相比,运用模型而挑选,效果提升了3倍。”---lift chart从总体上看,是逐渐降低的,为什么有波动?
lift chart从总体上看,是逐渐降低的,为什么有波动(有时反而上升)?
[未知用户] 我的理解是,模型在某些段落上可能表现特别好,所以lift会变大。
例如头十个人的响应率是40%,而随后的十个人的响应率是100%,于是前二十个人的响应率就是70%,于是lift变大了。
例如头十个人的响应率是40%,而随后的十个人的响应率是100%,于是前二十个人的响应率就是70%,于是lift变大了。
[未知用户] 解释不准确
2 年 后
[未知用户] 同问,学习中
3 年 后
confusion matrix 和wikipedia 的上有出入
http://en.wikipedia.org/wiki/Confusion_matrix
FP 与 FN 位置不一样
http://en.wikipedia.org/wiki/Confusion_matrix
FP 与 FN 位置不一样