История страницы

Узел «Подбор отсечки» позволяет определить оптимальный порог отсечения. Порог отсечения нужен для того, чтобы относить новые примеры к одному из двух классов (задача бинарной классификации).
Список параметров узла представлен в таблице ниже.

Результаты выполнения узла:

• Таблица со статистикой разбиения, в которой отражены следующие показатели:
  • Cutoff value – значение порога отсечения (считается в соответствии с заданным параметром Количество разбиений).
  • True Positives – количество верно классифицированных положительных примеров.
  • False Positives – количество неверно классифицированных положительных примеров.
  • True Negatives – количество верно классифицированных отрицательных примеров.
  • False Negatives – количество неверно классифицированных отрицательных примеров.
  • Predicted Positive – сумма True Positives и False Positives.
  • Predicted Negative – сумма True Negatives и False Negatives.
  • False Positives and Negatives – сумма False Positives и False Negatives
  • True Positives and Negatives – сумма True Positives и True Negatives
  • Accuracy – результат деления суммы True Positive и True Negative на сумму всех значений (доля правильных ответов).
  • True Positive Rate (Recall, полнота) – доля найденных объектов класса к общему числу объектов класса. Показывает, насколько хорошо классификатор находит объекты из класса.
  • True Negative Rate – доля верно классифицированных отрицательных примеров от общего количества отрицательных примеров.
  • False Positive Rate – доля неверных срабатываний классификатора к общему числу объектов за пределами класса. Показывает, насколько часто классификатор ошибается при отнесении того или иного объекта к классу.
  • Precision (точность) – показывает долю объектов класса среди объектов, выделенных классификатором.
  • F-score – гармоническое среднее между точностью и полнотой.
  • KS (Kolmogorov-Smirnov statistic).
  • partition_id (если был в выборке).

...

• Таблица с метриками.

...