设置倾向评分

按照以下步骤使用“倾向评分”可视化。

1. 打开新工作区，然后单击​Add > Visualization > Predictive Analytics > Scoring > Propensity Score。

   

2. 设置​Target（因变量）。

   通过选择以下项设置因变量：

• Dimension元素:在工作区中右键单击并选择 Table。然后选择一个维度元素作为您的因变量。

  或者

• Filter Editor。单击​Add > Visualization > Filter Editor​以打开过滤器编辑器可视化。

  

  选择Dimension元素或过滤器作为因变量后，单击​Set Target，输入用于描述该因变量的名称。 然后，单击​OK（并确保突出显示过滤器框）以设置目标。

  

  您为目标提供的名称即是因变量，将显示在左侧窗格中。

1. 添加独立变量。

   使用量度或维度元素添加独立变量。

   

• 量度. 从“倾向评分”工具栏的​Metrics​菜单中选择一个量度。

• Dimension元素:在工作区中右键单击并选择 Table。选择一个或多个Dimension元素，然后使用<Ctrl> + <Alt>键拖到​Independent Variables​下的左列或​Element​框。

1. 已设置 Training Filter. 您可以通过单击“倾向评分”工具栏中的​Options > Set Training Filter​来定义要评分的访客集。 这将提供一组数据子集（专门由要进行评分的访客所构建）。例如，在上月进行过访问的访客，在澳大利亚居住的访客，或查看过特定产品的访客。

   默认筛选器为​Train on Everyone，但您可以通过在表中激活​Dimension Elements​或使用​Filter Editor​构建筛选器来更改默认筛选器。

   选择Dimension元素或构建过滤器后，在激活后，单击​选项 > 设置培训过滤器，输入描述该过滤器的名称，然后单击​OK。

2. 识别所有输入后，按​Go。

   

   多次传递数据，即开始评分过程。随后，它将以条形图的形式，透过一条百分比线显示结果。

3. 保存倾向得分。

   从 6.1 版开始，在使用“保存倾向得分”时为您提供了一个选项：

• 维度

• 维度和量度

  您最终可以保存两个文件：维度和定义的量度。

  注意

  注意：如果提交“倾向得分”进行处理，您只会得到维度。

  派生的量度是相关的平均得分量度。

1. 检查正确率。

   系统将显示​Model Complete，并在流程完成时生成评分模型。

   右键单击​Model Complete​将识别系统定义的评分模型的准确性。 介于0%到100%之间的值将识别访客匹配​Target​变量的可能性。

   混淆矩阵提供以下四个计数的组合：实际正值 (AP)、实际负值 (AN)、预测正值 (PP) 和预测负值 (PN)。将生成的评分模型应用于余下 20% 的测试数据（对此我们知道准确答案），可获取这些数值。如果得分高于 50%，则预测为正类情况（与定义的事件匹配）。

   

1. 打开提升度或增益图或模型查看器。

   右键单击​模型完整​可视化，然后选择​Lift Chart、Gain Chart​或​Model Viewer.