Loading
About Salesforce Data 360
Índice
Filtrar por (0)Adicionar
Selecionar filtros

          Sem resultados
          Sem resultados
          Aqui estão algumas dicas de pesquisa

          Verifique a grafia das palavras-chave.
          Tente utilizar termos mais genéricos.
          Selecione menos filtros para ampliar sua pesquisa.

            Pesquisar em toda a Ajuda do Salesforce
            Pesquisar em toda a Ajuda do Salesforce
            Métricas de regressão

            Você está aqui:

            1. Ajuda do Salesforce
            2. Documentação
            3. Data 360

            Métricas de regressão

            As métricas para regressões ajudam a avaliar o desempenho de um modelo que prevê valores numéricos para dados contínuos.

            Previsão vs. real

            O gráfico de dispersão previsto vs. real compara os resultados previstos do modelo com relação aos resultados de dados reais. A proximidade dos pontos à linha diagonal indica a precisão do modelo, com pontos mais próximos representando uma precisão maior.

            Gráfico de previsto versus real

            Resíduos

            O gráfico de dispersão de resíduos mostra a variância entre os valores reais e previstos, conhecidos como resíduos, em relação aos valores previstos. Idealmente, os pontos devem aparecer distribuídos aleatoriamente. No eixo Y, valores positivos indicam previsões que estavam muito baixas, valores negativos indicam previsões que estavam muito altas e valores em zero indicam previsões que estavam exatamente corretas.

            Gráfico de resíduos

            Resultados da validação cruzada de quatro vezes

            A abordagem de validação cruzada de quatro vezes mitiga a viés de amostragem durante o processo de validação do modelo. Nesse método, os dados são divididos aleatoriamente em quatro partições separadas de tamanho igual e o modelo é submetido a quatro passadas de teste (multiplicações). Durante cada passada, três partições servem como dados de treinamento, enquanto a parte restante serve como dados de teste. Ao concluir quatro passadas de teste, cada partição é usada uma vez como os dados de validação e três vezes como parte dos dados de treinamento, garantindo uma avaliação abrangente. Consulte a tabela de resultados da validação para examinar as métricas correspondentes a cada multiplicação dos dados.

            Tabela de métricas de validação cruzada

            Métrica Descrição
            Número de registros

            Número total de observações. O significado de um valor varia por coluna.

            • Para as colunas Dados de treinamento e Dados de validação, os números representam o número total de observações em todos os dados usados na criação do modelo para treinamento e validação, respectivamente.
            • Para as colunas Dobra nº 1 a Dobra nº 4, esse valor representa quantas observações ficaram naquela dobra (cerca de 25% de todos os dados).
            R2

            R2 mede a habilidade do modelo de explicar a variação no resultado, que é um indicador de quão preditivo é o modelo.

            Intervalo:

            • 0 significa que o modelo não pode explicar nenhuma variabilidade no resultado (chance aleatória).
            • 1 significa que o modelo explica todas as variabilidades (modelo perfeito).
            MAE Erro absoluto médio. Mede a diferença absoluta entre o valor real e a previsão. Todas as diferenças são ponderadas igualmente nessa média, o que significa que não é tão sensível a desvios quanto MSE.
            MSE Erro quadrado médio. Mede o erro ao quadrado médio das previsões do modelo. MSE calcula a diferença ao quadrado entre o resultado observado (real) e os valores previstos e depois calcula a média.
            RMSE Erro quadrático médio da raiz. Representa a raiz quadrada do MSE. O RMSE mede a diferença entre os valores previstos pelo modelo e os valores observados (reais). Você pode pensar nesse valor como o "desvio padrão dos erros".
             
            Carregando
            Salesforce Help | Article