Klassifikation/Regression und Clustering

Für jede nominale Variable:

<Name> Name der Zielvariable
Zielschlüssel Gewünschter Zielwert
Häufigkeit der Zielkategorien Prozentanteil aller Zielwerte im Schätzungsdatenset, wenn es sich um ein nominales Ziel handelt
Stetige Ziele

Für jede stetige Zielvariable:

<Zielname> Name der Zielvariable
Min Im Schätzungsdatenset gefundener Minimalwert für die Zielvariable
Max Im Schätzungsdatenset gefundener Maximalwert für die Zielvariable
Mittelwert Mittlerer Zielvariablenwert im Schätzungsdatenset
Standardabweichung Mittlere Distanz zwischen den Zielwerten und dem Mittelwert
Performance-Indikatoren

Für jedes Ziel:

rr_<Zielname>

kc_<Zielname>

Zielname

Beachten Sie, dass rr_ eine Regression/Klassifikation und kc_ ein(e) Segmentierung/Clustering anzeigt.

Prognostische Trennschärfe (KI) Qualitätsindikator, der dem Anteil der in der Zielvariablen enthaltenen Informationen entspricht, die die erklärenden Variablen erklären können.
Prognosekonfidenz (KR) 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.

Die folgende Grafik zeigt die prognostische Trennschärfe und die Prognosekonfidenz:

Clusteranzahl (nur Segmentierung)

Für jede Zielvariable:

<Zielname> Name des Ziels
Angeforderte Anzahl der Cluster Anzahl der vom Benutzer angeforderten Cluster
Tatsächliche Anzahl der Cluster Anzahl der von der Engine gefundenen Cluster