Details zu Random Forest Classification – Binomial
Auf dem Bildschirm „Modelldetail“ werden folgende Informationen für binomiale Random Forest Classification-Modelle angezeigt:
Metriken
Stellt für folgende Informationen Trainings-, Test- und „N-fach“-Daten bereit:
- Mean Squared Error (MSE)
- Root Mean Squared Error (RMSE)
- Anzahl der Beobachtungen
- R-Quadrat (R2)
- Logloss
- Area under the curve (AUC)
- Gini
- Mean Per Class Error
Maximum Metrics Threshold
Gibt den Training Maximum Metrics Threshold für Trainings-, Text- und „N-fach“-Daten mithilfe der folgenden Metriken an:
- max f1
- max f2
- max f0point5
- max accuracy
- max precision
- max recall
- max specificity
- max absolute_mcc
- max min_per_class_accuracy
- max mean_per_class_accuracy
Konfusionsmatrix
Stellt die Leistung eines Modells in einer Reihe von Trainings-, Test- und „N-fach“-Daten bereit, bei denen die tatsächlichen Werte bekannt sind.
Variablenwichtigkeiten
Stellt Wichtigkeitswerte für jede Variable unter Verwendung der folgenden Metriken bereit:
- Relative Wichtigkeit
- Skalierte Wichtigkeit
- Prozentsatz
AUC-Kurven
Area under the curve (Fläche unter der Kurve); bestimmt, welches der Modelle die Klassen mithilfe der Trainings-, Test- und „N-fach“-Daten am besten vorhersagt.
Anhebungs-/Verstärkungskurven
Wertet die Fähigkeit des binären Klassifizierungsmodells aus, mithilfe der Trainings-, Test- und „N-Fold“-Daten Vorhersagen zu treffen.