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 Таблица 47.
Якорь |
---|
_Ref91759597 | _Ref91759597 | Таблица 47 — таблице ниже.
Scroll Title |
---|
title-position | top |
---|
title-alignment | right |
---|
title | Параметры узла «Подбор отсечки (Cut off)» |
---|
|
Параметр | Возможные значения и ограничения | Описание |
---|
Название | Ручной ввод Ограничений на значение нет | Название узла, которое будет отображаться в интерфейсе | Описание | Ручной ввод Ограничений на значение нет | Описание узла | Количество разбиений | Ручной ввод целочисленного значения По умолчанию — 100 | Данный параметр задает количество разбиений | Размер бина для Lift | Ручной ввод целочисленного значения По умолчанию — 20 | Данный параметр задает размер бина для расчета Lift | Критерий отсечки | Раскрывающийся список со следующими значениями: - Число (по умолчанию)
- Колмогорова-Смирнова
| Данный параметр задает критерий выбора порога отсечения | Отсечка | Ручной ввод Число больше 0 меньше 1 По умолчанию — 0,5 | Данный параметр задает порог отсечки |
|
Результаты выполнения узла:
- Таблица со статистикой разбиения (Рисунок 153), 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).
...
Scroll Title |
---|
title-alignment | center |
---|
title | Пример таблицы со статистикой разбиения |
---|
|
Image Added |
- Таблица с метриками (Рисунок 154).
...
Scroll Title |
---|
title-alignment | center |
---|
title | Пример таблицы с метриками |
---|
|
Image Added |