训练、验证和测试拟合测度
在“模型筛选”平台中，对于指定的每个模型数据集，都有一个拟合测度报表。模型数据集可以是训练集、训练和验证集，或是训练、验证和测试集。每个报表都包含具有以下列的表：
方法
用于拟合模型的方法的名称。
数目
集中的观测数。
权重和
权重总和。
R 方
（仅可用于连续响应。）拟合模型的 R 方值。
熵 R 方
（仅可用于分类响应。）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”。
误分类率
（仅可用于分类响应。）模型误分类的观测比例。值越小指示拟合效果越好。
注意：在这些表中，误分类率总是使用概率阈值 0.5 来计算。
AUC
（仅可用于分类响应。）ROC 曲线下面积。值越接近 1 指示拟合效果越好。
RASE
均方预测误差的平方根（平均平方根误差）。RASE 计算如下，其中源指示训练集、验证集或测试集。
广义 R 方
（仅可用于分类响应。）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。值为 1 表示完美模型，值为 0 表示并不比常数模型好的模型。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)。
折
（仅当在启动窗口中指定了“K 折交叉验证”选项或“嵌套交叉验证”选项时才可用。）标识为该行中的模型拟合保留的折。
内折
（仅当在启动窗口中指定了“嵌套交叉验证”选项时才可用。）标识为该行中的模型拟合保留的内部折。
试验
（仅当在启动窗口中指定了“重复 K 折”选项时才可用。）标识该行中的模型拟合的试验数目。
在每个表下提供了以下选项：
选择占优
根据模型拟合准则的组合，选择优于或等同于其他所有模型的每个模型。对于连续响应，在确定占优模型时考虑了“R 方”和“频数总和”。对于分类响应，在确定占优模型时考虑了“熵 R 方”、“误分类率”、“AUC”和“频数总和”。
运行已选定
运行每个选定行中指定的各个模型。
保存选定的脚本
将每个选定行的模型脚本保存至脚本窗口。