Você está aqui:
Guia de visão geral para casos de uso de classificação binária
A guia Visão geral mostra um resumo geral dos resultados da validação do modelo.
Nota Histórias do Einstein Discovery agora são modelos. Seria bom podermos estalar os dedos para atualizar o nome em todos os lugares, mas você pode esperar ver o nome anterior eventualmente até ele ser substituído.
Caminho para a implantação
| Área | Descrição |
|---|---|
| Analisar a precisão do modelo | A AUC (área sob a curva) representa a taxa de classificação correta de um modelo logístico. Um AUC de 0,5 significa que o desempenho do modelo não é melhor que um modelo aleatório. Um AUC de 1,0 significa que o modelo classifica corretamente os dados 100% do tempo, o que pode indicar vazamento de dados. Clique em Visualizar avaliação do modelo para ver a guia Avaliação do modelo para Casos de uso de classificação binária. |
| Definir um limite | Mostra o limite atual do modelo. Clique em Visualizar avaliação de limite para acessar Avaliação de limite para Casos de uso de classificação binária. |
| Prontidão para implementação do ativo | Resume os resultados de testes de qualidade nos dados de treinamento, determinadas métricas de modelo e validação.
Clique em Exibir todos os alertas para Gerenciar alertas de qualidade. |
Dados de treinamento e o modelo
| Área | Descrição |
|---|---|
| Distribuição da variável de resultado | Mostra a distribuição de valores (contagem e intervalo) da variável de resultado nos dados de treinamento. |
| Principais previsores | Lista os principais preditores (variáveis explicativas) do modelo e sua correlação com a variável de resultado. |
Consulte também:
Este artigo resolveu seu problema?
Diga-nos para podermos melhorar!
