Einrichten der Tendenzauswertung

Führen Sie diese Schritte aus, um die Visualisierung der Tendenzauswertung zu verwenden.

  1. Öffnen Sie einen neuen Arbeitsbereich und klicken Sie auf Add > Visualization > Predictive Analytics > Scoring > Propensity Score.

  2. Legen Sie Target (die abhängige Variable) fest.

    Legen Sie die abhängige Variable fest, indem Sie Folgendes auswählen:

  • Dimension-Elemente: Klicken Sie mit der rechten Maustaste in den Arbeitsbereich und wählen Sie Table aus. Wählen Sie dann eine Dimension als abhängige Variable aus.

    OR

  • Filter Editor. Klicken Sie auf Add > Visualization > Filter Editor , um die Visualisierung des Filter-Editors zu öffnen.

    Klicken Sie nach Auswahl eines Dimension-Elements oder Filtern als abhängige Variable auf Set Target und geben Sie einen Namen ein, um die abhängige Variable zu beschreiben. Klicken Sie dann auf OK (und stellen Sie sicher, dass das Filterfeld hervorgehoben ist), um die Zielgruppe festzulegen.

    Der Name, den Sie dem Ziel geben, ist die abhängige Variable, die im linken Bereich angezeigt wird.

  1. Fügen Sie unabhängige Variablen hinzu.

    Fügen Sie die unabhängigen Variablen mithilfe von Metriken oder Dimension-Elementen hinzu.

  • Metriken. Wählen Sie in der Symbolleiste Tendenzauswertung eine Metrik aus dem Menü Metrics aus.

  • Dimension-Elemente: Klicken Sie mit der rechten Maustaste in den Arbeitsbereich und wählen Sie Table aus. Wählen Sie ein oder mehrere Dimension-Elemente aus und ziehen Sie mit den Tasten <Ctrl> + <Alt> in die linke Spalte unter Independent Variables oder in das Feld Element .

  1. Festlegen Training Filter. Sie können den Satz von Besuchern definieren, die Sie bewerten möchten, indem Sie in der Symbolleiste Tendenzauswertung auf Options > Set Training Filter klicken. Dadurch erhalten Sie eine Untergruppe von Daten, die ausschließlich mit den Besuchern erstellt werden, die Sie bewerten möchten. Zum Beispiel Besucher, die im letzten Monat einen Besuch abgestattet haben, Besucher, die in Australien wohnen, oder Besucher, die bestimmte Produkte angesehen haben.

    Der Standardfilter ist Train on Everyone. Sie können ihn jedoch ändern, indem Sie Dimension Elements in einer Tabelle aktivieren oder einen Filter mit Filter Editor erstellen.

    Nachdem Sie ein Filterelement ausgewählt oder einen Dimension erstellt haben, klicken Sie auf Options > Set Training Filter, geben Sie einen Namen ein, um den Filter zu beschreiben, und klicken Sie auf OK.

  2. Sobald Sie alle Eingaben identifiziert haben, drücken Sie Go.

    Der Scoring-Prozess beginnt mit der mehrfachen Übergabe der Daten. Anschließend werden die Ergebnisse als Balkendiagramme über eine Prozentzeile angezeigt.

  3. Sparen Sie Propensity Score.

    Ab Version 6.1 haben Sie jetzt eine Option bei der Verwendung der Tendenzbewertung speichern:

  • Dimension

  • Dimension und Metrik

    Sie können mit zwei gespeicherten Dateien enden, sowohl einer Dimension als auch einer definierten Metrik.

    HINWEIS

    Wenn Sie die Tendenzbewertung zur Verarbeitung senden, erhalten Sie nur eine Dimension.

    Die abgeleitete Metrik ist die zugehörige Metrik für das durchschnittliche Ergebnis.

  1. Prüfen Sie die Genauigkeit.

    Das System zeigt Model Complete an und generiert ein Scoring-Modell, wenn der Prozess abgeschlossen ist.

    Wenn Sie mit der rechten Maustaste auf Model Complete klicken, wird die Genauigkeit des vom System definierten Scoring-Modells identifiziert. Werte von 0 bis 100 Prozent zeigen die Wahrscheinlichkeit der Besucher, die mit der Target -Variablen übereinstimmen.

    Die Konfusionsmatrix gibt vier Zählungen anhand der Kombination aus "Tatsächlich positiv"(AP), "Aktiv Negativ"(AN), "Vorhersage positiv"(PP) und "Vorhersage negativ"(PN). Diese Zahlen erhalten Sie, indem Sie das resultierende Scoring-Modell auf die 20 % zurückbehaltenen Testdaten anwenden, von denen wir die wahre Antwort kennen. Wenn der Wert größer als 50 % ist, wird er als positiver Fall prognostiziert (entspricht dem definierten Ereignis).

Genauigkeit Gibt an, wie genau das Modell ist, indem die korrekten Prognosen für alle Prognosen identifiziert werden.

(TP + TN)/(TP + FP + TN + FN)

Rückruf Identifiziert die Möglichkeit, das Scoring-Modell erneut zu identifizieren.

TP / (TP + FN)

Genauigkeit Identifiziert die Diskrepanz.

TP / (TP + FP)

  1. Öffnen Sie ein Lift- oder Gewinndiagramm oder den Modell-Viewer.

    Klicken Sie mit der rechten Maustaste auf die Visualisierung Modell Complete und wählen Sie Lift Chart, Gain Chart oder Model Viewer. aus.

Auf dieser Seite