結果を解釈する ベストモデルの検出(2値応答)

の結果 ベストモデルの検出(2値応答) には、モデル選択テーブルが含まれます。結果を使用して、さまざまなタイプのモデルのパフォーマンスを比較します。アスタリスクは最適なモデルを識別します。この表には、モデルのパフォーマンスに関する次の測定値が含まれています。

平均対数尤度

平均対数尤度は、モデルの精度の尺度です。値が小さいほど、適合性が高いことを示します。

ROC曲線下の面積

ROC曲線は、検出力とも呼ばれる真陽性率 (TPR) をy軸にプロットします。ROC曲線は、第1種の過誤とも呼ばれる偽陽性率 (FPR) をx軸にプロットします。ROC曲線下の面積は、モデルが適切な分類器であるかどうかを示します。

分類木の場合、ROC曲線下の面積の通常範囲は0.5から1です。値が大きいほど、分類モデルが適切であることを示します。モデルがクラスを完全に分離できる場合、曲線下の面積は1です。モデルがランダムな割り当てよりも良くクラスを分離できない場合、曲線下の面積は0.5です。

誤分類率

誤分類率は、モデルが応答値を正確に分類する頻度を示します。値が小さいほど、パフォーマンスが高いことを示します。