“分割”平台中的“拟合详细信息”报表包含以下拟合测度:
熵 R 方
比较拟合模型和恒定概率模型的对数似然的一种拟合测度。熵 R 方的范围介于 0 到 1 之间,其中接近 1 的值指示拟合更佳。请参见“熵 R 方”。
广义 R 方
可以应用到一般回归模型的测度。它基于似然函数 L,并且统一尺度后最大值为 1。对于在标准最小二乘设置中的连续正态响应,“广义 R 方”测度简化为传统 R 方。“广义 R 方”亦称 Nagelkerke/Craig and Uhler R2,它是 Cox and Snell 伪 R2 的标准化版本。请参见 Nagelkerke (1991)。值越接近 1 指示拟合效果越好。
-Log p 均值
-log(p) 的平均值,其中 p 是与发生的事件有关的拟合概率。值越小指示拟合效果越好。
RASE
均方根误差,其中差值为响应和 p(实际发生事件的拟合概率)之间的差值。值越小指示拟合效果越好。
绝对偏差的均值
响应和 p(实际发生事件的拟合概率)的差值绝对值的平均值。值越小指示拟合效果越好。
误分类率
具有最高拟合概率的响应类别不是观测到的类别的比率。值越小指示拟合效果越好。
“混淆矩阵”报表显示针对训练集以及验证集和测试集(若定义)的矩阵。“混淆矩阵”报表包含混淆矩阵和混淆率矩阵。混淆矩阵是实际响应和预测响应的双向分类。混淆率矩阵等同于混淆矩阵,只不过其中的数字要除以行合计。
定义收益矩阵后,分割算法会使用矩阵中的值来计算每个决策的收益。您可以使用“收益矩阵”列属性或通过使用“指定收益矩阵”选项指定成本来定义收益矩阵。请参见指定收益矩阵。
选择“显示拟合详细信息”时,显示“决策矩阵”报表。在“决策矩阵”报表中,决策计数反映了基于收益矩阵中的权重所产生的最佳收益预测决策。该报表为训练集以及验证集和测试集(若定义)提供“决策计数”矩阵和“决策率”矩阵。为了参考,还显示收益矩阵。
注意:若您使用“指定收益矩阵”选项更改收益矩阵中的权重,“决策矩阵”报表会自动更新以反映您的更改。
决策计数矩阵
显示一个双向分类矩阵,行中显示实际的响应,列中显示分类计数。
指定的收益矩阵
给出用于定义收益矩阵的权重。
决策率矩阵
显示与给定行的观测划分到每个类别的比例相对应的比率值。若所有观测都分类正确,则对角线上的比率均为 1。
提示:您可以使用成本为 1 和 -1 的默认收益矩阵来获取响应的决策率矩阵。从红色小三角菜单选择指定收益矩阵,保持默认值不变,然后点击确定。
矩阵排列为两行:
• “决策计数”矩阵位于第一行中。
• “指定的收益矩阵”位于第一行中的右侧。
• “决策率”矩阵位于第二行中。