介紹

預(yù)測建模致力于建設(shè)性反饋原則。你建立了一個模型。獲取指標(biāo)的反饋，進(jìn)行改進(jìn)并繼續(xù)，直到達(dá)到理想的準(zhǔn)確度。評估指標(biāo)解釋了模型的性能。評估指標(biāo)的一個重要方面是它們區(qū)分模型結(jié)果的能力。

許多天才的分析師，甚至不檢查模型的準(zhǔn)確性。一旦他們完成了模型的建立，他們就會急忙將預(yù)測值映射到看不見的數(shù)據(jù)上。這是一種不正確的方法。

簡單地說，建立一個預(yù)測模型不是你的動機(jī)。但是，創(chuàng)建并選擇一個能夠在樣本數(shù)據(jù)之外提供高精度的模型。因此，在計(jì)算預(yù)測值之前檢查模型的準(zhǔn)確性是至關(guān)重要的。

在數(shù)據(jù)分析的行業(yè)中，我們會考慮不同類型的指標(biāo)來評估我們的模型。度量的選擇完全取決于模型的類型和模型的實(shí)施計(jì)劃。完成模型構(gòu)建后，考慮以下這7個指標(biāo)將幫助您評估模型的準(zhǔn)確性：

1. 混亂矩陣
2. 增益和提升圖表
3. Kolmogorov Smirnov圖表
4. AUC - ROC
5. 基尼系數(shù)
6. 協(xié)調(diào) - 不和諧比率
7. 均方根誤差
8. 交叉驗(yàn)證（雖然不是指標(biāo)?。?/li>