使用 TreeNet^® 分类 的 拟合模型 和 发现关键预测变量 的模型汇总的方法和公式

然后，预测变量的重要度分值等于所有树的模型改进分值的总和。

以下区间给出置信区间的上限和下限：

ROC 曲线下面积的标准误计算 () 来自 Salford Predictive Modeler^®。有关 ROC 曲线下面积方差估算的一般信息，请参阅以下参考资料：

Engelmann, B. (2011)。Measures of a ratings discriminative power: Applications and limitations（评级鉴别力度量：应用和限制）。发表于 B. Engelmann 和 R. Rauhmeier（编辑）编著的 The Basel II Risk Parameters:Estimation, Validation, Stress Testing - With Applications to Loan Risk Management（Basel II 风险参数：估计、验证、压力检验 - 贷款风险管理应用案例，第二版） 海德堡；纽约：Springer。doi:10.1007/978-3-642-16114-8

Cortes, C. 和 Mohri, M.（2005 年）。Confidence intervals for the area under the ROC curve（ROC 曲线下面积的置信区间）。Advances in neural information processing systems（神经信息处理系统的进步），305-312。

Feng, D.、Cortese, G. 和 Baumgartner, R. (2017)。A comparison of confidence/credible interval methods for the area under the ROC curve for continuous diagnostic tests with small sample size（比较 ROC 曲线下面积的置信区间方法，以利用小样本数量进行持续诊断检验）。Statistical Methods in Medical Research（医疗研究中的统计学方法），26(6)，2603-2621。doi:10.1177/0962280215602040

表示法

项	说明
A	ROC 曲线下面积
	标准正态分布的 0.975 百分位数

要查看累积提升的一般计算，请转到 使用 TreeNet® 分类 的 拟合模型 和 发现关键预测变量 的提升图的方法和公式。

在加权情况下，使用加权计数代替计数。

对于 k 折叠交叉验证，误分类计数是当每个折叠为检验数据集时，误分类的总和。

对于使用检验数据集的验证，误分类计数是检验数据集中误分类的总和，总计数针对的是检验数据集。