In diesem Beispiel beträgt die Gesamtzahl der 1-Ereignisse 139,
während die Gesamtzahl für „0“ 164 beträgt. Die Analyse verwendet Daten von
außerhalb des Segments zur Validierung des Modells.
In diesen Daten von außerhalb des Segments beträgt die Gesamtzahl
der 1-Ereignisse 139, während die Gesamtzahl für 0-Ergebnisse 164 beträgt.
Die Anzahl der
prognostizierten Ereignisse (1) in den Daten von außerhalb des Segments beträgt
109, was 78,42 % richtig ist.
Die Anzahl der
prognostizierten Nicht-Ereignisse (0) in den Daten von außerhalb des Segments
beträgt 138, was 84,15 % richtig ist.
Insgesamt beträgt der „% Richtig“-Wert für die Daten von außerhalb des
Segments 81,52 %. Verwenden Sie die Ergebnisse für die Daten von außerhalb des
Segments, um die Prognosegenauigkeit für neue Beobachtungen auszuwerten.
Ein niedriger Wert für „% Richtig“ wird in der Regel durch ein mangelhaft
angepasstes Modell verursacht. Verschiedene Probleme führen zu einem
mangelhaften Modell. Wenn der „% Richtig“-Wert sehr niedrig ist, überlegen Sie,
ob Sie die minimale Anzahl der Fälle zum Teilen eines internen Knotens oder die
Anzahl der Prädiktoren ändern möchten, die die Analyse für die Aufteilung eines
Knotens berücksichtigt.