首頁 » 在该工作流程的输出表中

在该工作流程的输出表中

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)。

返回頂端