Loading
CRM Analytics
Ficha Rendimiento general para casos de uso de clasificación binaria

Usted está aquí:

  1. Ayuda de Salesforce
  2. Documentos
  3. CRM Analytics

Ficha Rendimiento general para casos de uso de clasificación binaria

La fichas Rendimiento general muestra mediciones clave de resumen para la calidad del modelo.

Nota
Nota Las historias de Einstein Discovery son ahora modelos. Nos gustaría chasquear nuestros dedos para actualizar el nombre en todas partes, pero puede esperar que aparezca el nombre anterior en algunos puntos hasta que lo sustituyamos.

Navegar a la ficha Rendimiento general

En Rendimiento, haga clic en Evaluación de modelo, luego haga clic en Rendimiento general.

Ficha Rendimiento general mostrando resultados de análisis de precisión

Mediciones de resumen

Métrico Descripción
AUC

Área bajo la curva. Mide el índice de clasificación correcta del modelo logístico. AUC se utiliza frecuentemente para evaluar la calidad del modelo en casos de uso de clasificación.

Intervalo:

  • 0,5 significa que el modelo no tuvo un rendimiento mejor que la averiguación aleatoria.
  • 1,0 significa que el modelo clasificó correctamente los datos el 100% de las veces. Un AUC de 1,0 es sospechoso porque puede indicar filtrado de datos: los datos que utilizó para entrenar su modelo incluyen una o más columnas que contienen la información que está intentando predecir.
GINI

Índice GINI. Mide cuánto se acerca el rendimiento de este modelo de clasificación a un modelo teóricamente mejor posible.

Intervalo:

  • 0 significa que el modelo no tuvo un rendimiento mejor que la averiguación aleatoria.
  • 1 significa que las predicciones coincidieron exactamente con las observaciones (y se deben ver con escepticismo).
MCC

Coeficiente de correlación de Matthews. Mide la calidad de un modelo de clasificación. Proporciona aún más representación de las cuatro partes de la matriz de confusión que otras mediciones de clasificación. Por lo contrario, la precisión y la puntuación F1 pueden inducir a errores cuando se predice una clase con mucha más precisión que otra en un caso de uso de clasificación.

Intervalo:

  • -1 significa que el modelo predijo por error la clase opuesta cada vez.
  • 0 significa que el modelo no tuvo un rendimiento mejor que la averiguación aleatoria.
  • +1 significa que el modelo predijo correctamente la clase siempre.

Análisis de precisión

La precisión mide la proporción de resultados que el modelo predijo correctamente.

Fórmula:

Precisión = (TP + TN) / Nº total de predicciones

dónde

  • TP representa el número de positivos verdaderos (predicción positiva con un resultado positivo)
  • TN representa el número de negativos verdaderos (predicción negativa con un resultado negativo)
  • No total de predicciones que el modelo realizó (tanto correctas como incorrectas)
Medición Descripción
La precisión máxima para este modelo es La precisión máxima para este modelo.
Tipo de positivo verdadero Este modelo puntúa correctamente registros como verdaderos el n% de las veces.
Tipo de negativo verdadero Este modelo puntúa correctamente registros como falsos el n% de las veces.
Tipo de falso positivo Este modelo puntúa incorrectamente registros como verdaderos el n% de las veces.
Tipo de negativo falso Este modelo puntúa incorrectamente registros como falsos el n% de las veces.
Valor del umbral El valor del umbral representa las ventajas entre los tipos positivos verdaderos y los tipos positivos falsos. Puede ajustar esta configuración de umbral en la Evaluación de umbral para casos de uso de clasificación binaria.

Consulte también:

 
Cargando
Salesforce Help | Article