让我们首先计算利润统计的基线，而不使用任何分类模型：
如果我们批准所有申请人的信贷，预 在该工作流程的输出表中 计损失为 225,000 欧元。
接下来，我们来计算一下使用分类模型评估信 在该工作流程的输 用度时的预期利润是多少，并用利润矩阵来衡量结果。
正类实现非零利润的最小阈值[2]可以根据成本矩阵计算得出：
该值可以根据下文所述根据经
图 2所示的工作流程对不同阈值进行迭代，以得到由 印度尼西亚数据 分类模型（这里是逻辑回归模型）预测的正类别分数。阈值范围从 0 到 1，步长为 0.01。工作流程通过比较实际（每次迭代中不变）和预测（每次迭代中都有改变）目标类别值来计算每个阈值的总体准确度。为了计算预期利润，每次迭代的分类结果都由利润矩阵中的值加权。 ，每一行对应一个分类阈值，此外，还显示了每个分类阈值的模型准确度统计数据、每个申请人的平均利润、每个申请人的平均 尊重和清晰沟通的重要性 金额和总平均金额。
图 以 0.01 的步长计算不同分类阈值
（从 0 到 1）的准确率和预期利润。输入数据包含实际目 往 印度手机号码 任何 标类别值、分类模型预测的正类别分数和利润矩阵值。
结果
图 中的交互式复合视图显示了当分类阈值从 0 增加到 1 时，四个不同模型性能指标的值如何变化。性能指标分别是：1. 总体准确度（左上角的线图）2. 总平均金额（右上角的线图），3. 每位申请人的平均利润（左下角的线图），以及 4. 每位申请人的平均金额（右下角的线图）。