Τα γραφήματα βελτίωσης (lift) και κέρδους (gain) σας παρέχουν τη δυνατότητα να συγκρίνετε διαφορετικά μοντέλα μηχανικής εκμάθησης για να προσδιορίσετε το μοντέλο με τη μεγαλύτερη ακρίβεια.
Τα γραφήματα βελτίωσης (lift) και κέρδους (gain) σας παρέχουν τη δυνατότητα να αξιολογείτε προγνωστικά μοντέλα μηχανικής εκμάθησης δημιουργώντας γραφήματα στατιστικών δεδομένων μοντελοποίησης σε απεικονίσεις στο Oracle Analytics.
Όταν χρησιμοποιείτε μια ροή δεδομένων για την εφαρμογή ενός μοντέλου ταξινόμησης σε ένα σύνολο δεδομένων, το Oracle Analytics σας επιτρέπει να υπολογίζετε τιμές βελτίωσης (lift) και κέρδους (gain). Στη συνέχεια, μπορείτε να απεικονίσετε αυτά τα δεδομένα σε ένα γράφημα για να αξιολογήσετε την ακρίβεια των προγνωστικών μοντέλων και να προσδιορίσετε αυτό που είναι καλύτερο για χρήση.
Προαπαιτούμενα
Έχετε πρόσβαση στα υπάρχοντα προγνωστικά μοντέλα στην περιοχή Μηχανική εκμάθηση στο Oracle Analytics.
Στατιστικά δεδομένα που παράγονται για ανάλυση βελτίωσης (lift) και κέρδους (gain)
όνομα_ροής_δεδομένων
>_LIFT που περιλαμβάνει αυτές τις στήλες:
Στη συνέχεια, μπορείτε να απεικονίσετε το σύνολο δεδομένων <όνομα_ροής_δεδομένων
>_LIFT σε ένα γράφημα του Oracle Analytics. Για παράδειγμα, για την ανάλυση του κέρδους, μπορείτε να σχεδιάσετε ένα γράφημα με το μέγεθος PopulationPercentile στον άξονα X και τα μεγέθη CumulativeGain, GainChartBaseline, IdealModelLine και OptimalGain στον άξονα Y.
Όταν χρησιμοποιείτε μια ροή δεδομένων για την εφαρμογή ενός μοντέλου ταξινόμησης σε ένα σύνολο δεδομένων, το Oracle Analytics σας επιτρέπει να υπολογίζετε στατιστικά στοιχεία τα οποία μπορείτε να απεικονίζετε σε γραφήματα βελτίωσης (lift) και κέρδους (gain).
όνομα_ροής_δεδομένων
>_LIFT που περιέχει τα στατιστικά δεδομένα βελτίωσης (lift) και κέρδους (gain) τα οποία μπορείτε να αξιολογήσετε.Χρησιμοποιήστε ένα γράφημα για να αναλύσετε τα στατιστικά στοιχεία που παράγονται από τα μοντέλα ταξινόμησης μηχανικής εκμάθησης, προκειμένου να προσδιορίσετε ποιο είναι το καλύτερο μοντέλο για χρήση.