Ti trovi qui:
Scheda Panoramica per i casi d'uso di classificazione binaria
La scheda Panoramica visualizza un riepilogo complessivo della qualità del modello.
Nota Le storie di Einstein Discovery ora sono modelli. Stiamo facendo il possibile per aggiornare il nome ovunque, ma in alcuni punti potrebbe essere ancora visualizzato il nome precedente.
Percorso per la distribuzione
| Area | Descrizione |
|---|---|
| Controlla l'accuratezza del modello | AUC (area sotto la curva) rappresenta il tasso di classificazione corretta di un modello logistico. Un valore AUC di 0,5 indica che il modello genera una congettura casuale (random guess). Un valore AUC di 1.0 indica che il modello classifica correttamente i dati il 100% del tempo, cosa che può far sospettare una fuga di dati. Fare clic su Visualizza valutazione modello per visualizzare la scheda Valutazione del modello dei casi d'uso di classificazione binaria. |
| Imposta una soglia | Mostra la soglia corrente del modello. Fare clic su Visualizza valutazione soglia per passare alla Valutazione soglia per i casi d'uso di classificazione binaria. |
| Valuta preparazione della distribuzione | Riepiloga i risultati dei test di qualità sui dati di addestramento, alcune metriche del modello e la convalida.
Fare clic su Visualizza tutti gli avvisi per Gestire gli avvisi sulla qualità. |
Addestramento dei dati e del modello
| Area | Descrizione |
|---|---|
| Distribuzione della variabile del risultato | Mostra la distribuzione dei valori (conteggio e intervallo) per la variabile del risultato nei dati di addestramento. |
| Predittori migliori | Visualizza i migliori predittori (variabili descrittive) per il modello e la loro correlazione con la variabile del risultato. |
Vedere anche:
Questo articolo ha risolto il problema?
Facci sapere, così possiamo migliorare!
