Dieser Befehl ist mit Predictive Analytics-Modul verfügbar. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.
Prognostizierte Klasse (außerhalb des Segments) | ||||
---|---|---|---|---|
Tatsächliche Klasse | ||||
Anzahl | Ja | Nein | % Richtig | |
Ja (Ereignis) | 139 | 109 | 30 | 78,42 |
Nein | 164 | 26 | 138 | 84,15 |
Alle | 303 | 135 | 168 | 81,52 |
Statistiken | Außerhalb des Segments (%) |
---|---|
Richtig-Positiv-Rate (Empfindlichkeit oder Trennschärfe) | 78,42 |
Falsch-Positiv-Rate (Fehler 1. Art) | 15,85 |
Falsch-Negativ-Rate (Fehler 2. Art) | 21,58 |
Richtig-Negativ-Rate (Spezifität) | 84,15 |
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.
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.