Olet tässä:
Binääriluokituksen käyttöskenaario
Binääriluokitteluratkaisut keskittyvät liiketoimintan lopputuloksiin, joilla on vain kaksi mahdollista tulosta, jotka esitetään tekstidatana.
Huomautus Einstein Discovery -tarinat ovat nyt malleja. Odotamme, että päivitämme nimen kaikkialla, mutta aiempi nimi näytetään vain muutamassa paikassa, kunnes korvaamme sen.
Binääriset lopputulokset
Nämä lopputulokset ovat tavallisesti kyllä/ei-kysymyksiä, jotka esitetään liiketoimintatermeissä, kuten churned tai not churned, opportunity won or lost, employee retained tai not retained jne. Einstein Discovery muuntaa analyysiä varten kaksi arvoa totuusarvoksi true ja false.
Esimerkki binääriluokituksen ratkaisuista
Alla on vain muutama esimerkki siitä, miten Einstein Discovery voi auttaa sinua parantamaan binääriluokituksen lopputuloksia organisaatiossasi:
- Ennusta mahdollisuuden voittamisen todennäköisyys
- Ennusta, todennäköisyys, jolla tili ostaa tietyn tuotteen
- Ennusta liidin muuntamisen todennäköisyys
- Ennusta tilin todennäköisyys
Mallimalli
Binääriluokituksen ratkaisujen tuetut algoritmit
- Yleistetty lineaarinen malli (GLM) - Logistic Regression
- XGBoost
- Gradient Boost Machine (GBM)
- Satunnainen metsä
Mallin laatumittarit
Ratkaisiko tämä artikkeli ongelmasi?
Anna palautetta, jotta voimme kehittyä!
