您在此处：
二元分类用例的增益和提升图
增益和提升图表可帮助您评估模型预测结果的能力，并了解模型的优势。通过使用部分数据进行评分和排序以进行分析，图表测量了使用模型获得的结果与不使用模型的随机猜测的结果。收益越大，提升越高，模型就越有效。
备注 Einstein Discovery 数据趋势图现在是模型。我们希望可以随时随地更新名称，但是在我们替换之前，您可能会在一些地方看到以前的名称。
导航到收益和提升图表选项卡
在性能中,单击模型评估，然后单击增益和提升。
收益
收益图会根据模型的排名数据的百分比绘制收益。模型线越接近完美模型，距离无模型越远，收益越大。收益越大，模型越好。
此模型确定高可能性个案的优先级，并在初始操作中产生更积极的结果。
| 增益图 | 描述 |
|---|---|
| 排名数据的百分比（X 轴） | 累积数据分数的百分位数。 将鼠标悬停在数据点上以查看详细信息。  例如，排名数据的 0.3% 相当于前十分位数，或最高分的 30% 的记录。 |
| 增益（Y 轴） | 总阳性率，或目标结果的累计数量。表示该百分位数捕获的所有目标结果的百分比。 使用增益来优化组织的资源。例如，在 0.2% 的排名数据处，0.8 的增益意味着 80% 的目标（期望的结果）出现在模型分数的前 20% 中。 |
| 无模型 | 没有模型的结果，或来自随机猜测。 |
| 模型 | 来自模型的结果。基于 CRM Analytics 数据集中的数据，Einstein Discovery 使用这些数据来验证模型的性能。 |
| 完美模型 | 来自理论上完美模型的结果。 |
提升
提升图表会按排名数据的百分比绘制累积改进率。坡度越陡，提升就越高。提升越高，模型越好。
此模型确定高可能性个案的优先级，并在初始操作中产生更积极的结果。
| 提升图 | 描述 |
|---|---|
| 排名数据的百分比（X 轴） | 累积数据分数的百分位数。 将鼠标悬停在数据点上以查看详细信息。  例如，排名数据的 0.2% 相当于前十分位数，或最高分的 20% 的记录。 |
| 提升（Y 轴） | 总阳性率，或目标结果的累计数量。 使用提升来衡量效率。例如，如果您的模型在数据的 0.2 处有 2.5 的提升，那么在数据的前 20% 处，模型的结果比没有模型的结果好 2.5 倍。 |
另请参阅：
本文章是否解决您的问题？
请与我们共享您的想法，以便我们进行改进！
