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)。

正确率 通过识别所有预测中包含的正确预测,来表示模型的正确率。

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

查全率 识别重新标识评分模型的能力。

TP / (TP + FN)

查准率 识别差异级别。

TP / (TP + FP)

  1. 打开提升度或增益图模型查看器

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

在此页面上