In diesem Bereich können Sie den Testvorgang mithilfe einer Fortschrittsleiste verfolgen. Am Ende des Vorgangs wird ein Auswertungsbereich angezeigt.
Mithilfe der oben im Bereich angezeigten Symbolleiste können Sie:
| Datenset | Name des Anwendungsdatensets |
| Quelle | Speicher des Datensets |
| Anzahl der Datensätze | Anzahl der Datensätze im Datenset |
| Anzahl der Variablen, die eine Abweichung aufweisen | Anzahl der Variablen, für die Abweichungen im Vergleich zum Originaldatenset gefunden wurden, das zum Trainieren des Modells verwendet wurde. |
| Variable | Name der Variable, für die eine Abweichung im Vergleich zum Originaldatenset gefunden wurde, das zum Trainieren des Modells verwendet wurde. |
| Abweichungswahrscheinlichkeit | Wert zwischen 0 und 1, der die Abweichung einer Variable in zwei verschiedenen Datensets anzeigt. Eine Abweichungswahrscheinlichkeit von 1 bedeutet, dass kein entsprechender Wert dieser Variable in den beiden Datensets gefunden wurde. |
Für jedes Ziel:
rr_<Zielname> kc_<Zielname> |
Zielname Hinweis
rr_ zeigt eine Robust Regression (K2R) an, und kc_ zeigt ein Clustering (K2S) an. |
| KI | Die prognostische Trennschärfe ist ein Qualitätsindikator, der dem Anteil der in der Zielvariablen enthaltenen Informationen entspricht, die die erklärenden Variablen erklären können. |
| KR | Die Prognosekonfidenz ist ein Robustheitsindikator zur Angabe des Leistungsvermögens des Modells, die gleiche Performance bei einer Anwendung auf ein neues Datenset zu erreichen, das dieselben Merkmale wie das Trainingsdatenset aufweist. |
Im Abschnitt Performance im Kontrolldatenset werden für jedes Ziel die Indikatoren KI und KR angezeigt, die durch das Modell zum Kontrolldatenset erhalten wurden.
Wenn der KI und/oder KR des Modells zum Kontrolldatenset beträchtlich niedriger sind, bedeutet das, dass sich die Beziehung zwischen den Variablen und der Zielvariable verändert hat. Infolgedessen sollte das Modell zu den neuen Daten neu erstellt werden.
Wenn der KI und der KR nicht stark voneinander abweichen, bedeutet das, dass sich die Beziehung zwischen den Eingabevariablen und dem Zielverhalten nicht verändert hat. Es bedeutet jedoch nicht, dass keine Verteilungsdifferenzen möglich sind.