와 주요 예측 변수 검색 에 대한 혼동 행렬 모형 적합 TreeNet^® 분류

참고

이 명령은 에예측 분석 모듈서 사용할 수 있습니다. 모듈을 활성화하는 방법에 대한 자세한 내용은 여기를 클릭하십시오.

오차 행렬의 모든 통계에 대한 정의 및 해석을 찾습니다.

오차 행렬은 트리가 다음 메트릭을 사용하여 클래스를 올바르게 구분하는 방법을 보여줍니다.

진양성률(TPR) - 사건 사례가 올바르게 예측될 확률
가양성률(FPR) - 비사건 사례가 잘못 예측될 확률
가음성률(FNR) - 사건 사례가 잘못 예측될 확률
진음성률(TNR) - 비사건 사례가 올바르게 예측될 확률

해석

오차 행렬

		예측된 등급(교육)			예측된 등급 (교차 검증)
실제 등급	카운트	예	아니요	정답률(%)	예	아니요	정답률(%)
예 (사건)	139	124	15	89.21	110	29	79.14
아니요	164	8	156	95.12	24	140	85.37
모두	303	132	171	92.41	134	169	82.51

통계량	교육(%)	교차 검증 (%)
진양성률(민감도 또는 검정력)	89.21	79.14
가양성률(유형 I 오차)	4.88	14.63
가음성률(유형 II 오차)	10.79	20.86
진음성률(특이성)	95.12	85.37

이 예제에서 예 사건의 전체 수는 139이고, 아니요 사건의 전체 수는 164입니다.

학습 데이터에서 예측된 사건(아니요) 수는 124이며, 89.21% 정확합니다.
학습 데이터에서 예측된 비사건(아니요) 수는 156이며, 95.12% 정확합니다.
교차 검증 결과에서 예측된 사건 수(예)는 110개로, 79.14%가 맞습니다.
교차 검증 결과에서 예측된 비사건(No)의 수는 140개로, 85.37%가 정확합니다.

전체적으로 교육 정확도는 92.41%, 교차 검증은 82.51%입니다. 검정 데이터의 결과를 사용하여 새 관측치에 대한 예측 정확도를 평가합니다.

정확도 %의 낮은 값은 일반적으로 여러 가지 이유로 인해 발생할 수 있는 불완전한 적합된 모형 때문입니다. 정확도 %가 매우 낮은 경우 등급 무게가 도움이 될 수 있는지를 고려하십시오. 등급 무게는 한 등급의 관측치가 다른 등급의 관측치보다 더 많을 때 더 정확한 모형을 제공하는 데 도움이 될 수 있습니다. 또한, 사건으로 분류되는 데 필요한 확률도 변경할 수 있습니다.

와 주요 예측 변수 검색 에 대한 혼동 행렬 모형 적합 TreeNet® 분류

참고

해석

오차 행렬

와 주요 예측 변수 검색 에 대한 혼동 행렬 모형 적합 TreeNet^® 분류