Leia mais sobre Datas Workbench Anúncio do fim da vida útil.
Siga estas etapas para usar a visualização de Pontuação de propensão .
Abra um novo espaço de trabalho e clique em Add > Visualization > Predictive Analytics > Scoring > Propensity Score.
Defina as Target (a variável dependente).
Defina a variável dependente selecionando:
elementos Dimension: Clique com o botão direito do mouse no espaço de trabalho e selecione Table. Em seguida, selecione um Dimension elements como a variável dependente.
OR
Filter Editor. Clique em Add > Visualization > Filter Editor para abrir a visualização Editor de filtros.
Depois de selecionar um elemento Dimension ou Filtro como a variável dependente, clique em Set Target, insira um nome para descrever a variável dependente. Em seguida, clique em OK (e verifique se a caixa de filtro está realçada) para definir o Target.
O nome que você dá ao público-alvo é a variável dependente que aparecerá no painel esquerdo.
Adicione variáveis independentes.
Adicione as variáveis independentes usando Métricas ou Elementos de Dimension.
Métricas. Na barra de ferramentas Pontuação de propensão , selecione uma métrica no Metrics menu.
elementos Dimension: Clique com o botão direito do mouse no espaço de trabalho e selecione Table. Selecione um ou mais elementos de Dimension e arraste para a coluna esquerda em Independent Variables ou à Element usando a <Ctrl>
+ <Alt>
chaves.
Defina Training Filter. Você pode definir o conjunto de visitantes que deseja pontuar clicando em Options > Set Training Filter na barra de ferramentas Pontuação de propensão . Isso fornecerá um subconjunto de dados criado usando apenas os visitantes que você deseja pontuar. Por exemplo, quem visitou no último mês, visitantes que residem na Austrália ou visitantes que visualizaram produtos específicos.
O filtro padrão é Train on Everyone, mas você pode alterá-la ativando Dimension Elements em uma tabela ou criar um filtro usando o Filter Editor.
Depois de selecionar um elemento Dimension ou criar um filtro e, enquanto estiver ativado, clique em Opções > Definir filtro de treinamento, insira um nome para descrever o filtro e clique em OK.
Depois de identificar todas as suas entradas, prima Go.
O processo de pontuação começará passando os dados várias vezes. Em seguida, ele exibirá os resultados como gráficos de barras sobre uma linha de porcentagem.
Salve a pontuação de propensão.
A partir da versão 6.1, agora há uma opção ao usar a opção Salvar pontuação de propensão:
Dimensão
Dimension e métrica
Você pode acabar com dois arquivos salvos, uma dimensão e uma métrica definida.
Se você enviar a Pontuação de propensão para processamento, receberá apenas uma dimensão.
A métrica derivada é a métrica de pontuação média associada.
Verifique a precisão.
O sistema exibirá Model Complete e gerar um modelo de pontuação quando o processo estiver concluído.
Clicando com o botão direito do mouse em Model Complete identificará a precisão do modelo de pontuação, conforme definido pelo sistema. Valores que variam de 0% a 100% identificarão a probabilidade dos visitantes que correspondem à Target variável.
A Matriz de Confusão fornece quatro contagens pela combinação de Positivo Real (AP), Negativo Real (AN), Positivo Previsto (PP) e Negativo Previsto (PN). Esses números são obtidos pela aplicação do modelo de pontuação resultante aos dados de testes retidos de 20% dos quais sabemos a verdadeira resposta. Se a pontuação for maior que 50%, é previsto como um caso positivo (correspondendo ao evento definido).
Precisão | Indica a precisão do modelo ao identificar as previsões corretas sobre todas as previsões. (TP + TN)/(TP + FP + TN + FN) |
Recall | Identifica a capacidade de reidentificar o modelo de pontuação. TP / (TP + FN) |
Precisão | Identifica o nível de discrepância. TP / (TP + FP) |
Abra um Gráfico de elevação ou ganhoou o Visualizador de modelo.
Clique com o botão direito do mouse no Modelo concluído visualização e seleção Lift Chart, Gain Chart ou Model Viewer.