Méthodes et formules pour la courbe de lift cumulé dans Ajuster le modèle et Découvrir les prédicteurs principaux avec Classification TreeNet®

Remarque

Cette commande est disponible avec le Module d'analyse prédictive. Cliquez ici pour plus d'informations sur l'activation du module.

La procédure de calcul du lift cumulé dépend de la méthode de validation. Pour une variable de réponse multinomiale, Minitab affiche plusieurs courbes qui traitent chaque classe une à une comme l’événement.

Ensemble d'apprentissage ou aucune validation

Chaque point de la courbe d'un ensemble de données d'apprentissage représente une probabilité d'événement ajustée. La probabilité d’événement la plus élevée est le premier point sur la courbe et apparaît le plus à gauche. Les autres probabilités sont classées par ordre décroissant.

Les points sur la courbe de lift cumulé proviennent du calcul des points sur le graphique de courbe ROC. La coordonnée y de la courbe de lift cumulé est (Taux positif réel en pourcentage / pourcentage cumulé de la population à la coordonnée x). Le calcul du taux positif réel est exactement le même que pour le graphique de courbe ROC.

La coordonnée x du graphique a la forme suivante :

est le nombre de lignes où la probabilité ajustée est supérieure au seuil et N est le nombre total de lignes. Pour plus de détails sur les seuil, reportez-vous à Méthodes et formules pour la courbe d'efficacité du récepteur (ROC) pour Ajuster le modèle et Découvrir les prédicteurs principaux avec Classification TreeNet®.

Ensemble de test distinct

Procédez comme pour le cas de l'ensemble d'apprentissage, mais calculez la probabilité d’événement à partir des cas pour l'ensemble de test.

Test avec validation croisée de K-ensemble(s)

Suivez les mêmes étapes que pour la procédure de l'ensemble de données d'apprentissage, mais calculez les probabilités d'événements à partir des cas pour les données à validation croisée.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique