設定傾向分數

重要

深入了解Data Workbench 終止公告.

請依照下列步驟,使用「傾向分數」視覺效果。

  1. 開啟新工作區,然後按一下 Add > Visualization > Predictive Analytics > Scoring > Propensity Score.

  2. 設定 Target (相依變數)。

    選取以下項目,以設定相依變數:

  • Dimension元素:在工作區中按一下滑鼠右鍵,然後選取 Table. 然後選取Dimension元素作為相依變數。

  • Filter Editor。按一下 Add > Visualization > Filter Editor 以開啟「篩選器編輯器」視覺效果。

    選取Dimension元素或篩選作為相依變數後,按一下 Set Target,請輸入描述相依變數的名稱。 然後按一下 OK (並確認篩選方塊已反白顯示)以設定Target。

    您為目標指定的名稱是將顯示在左窗格中的相依變數。

  1. 新增獨立變數。

    使用量度或Dimension元素新增獨立變數。

  • 量度. 在「傾向分數」工具列中,從 Metrics 功能表。

  • Dimension元素:在工作區中按一下滑鼠右鍵,然後選取 Table. 選取一或多個Dimension元素,並拖曳至下方的左欄 Independent VariablesElement 框,使用 <Ctrl> + <Alt> 鍵。

  1. 設定 Training Filter. 您可以按一下 Options > Set Training Filter 從「傾向分數」工具列。 這將提供僅使用您想要分數之訪客所建立之資料的子集。 例如,在上個月造訪的訪客、居住在澳洲的訪客,或檢視特定產品的訪客。

    預設篩選條件為 Train on Everyone,但您可以透過啟用 Dimension Elements 或使用 Filter Editor.

    選取Dimension元素或建立篩選器後,在啟動時按一下 選項 > 設定培訓篩選器,輸入要說明篩選器的名稱,然後按一下 OK.

  2. 確定所有輸入後,按 Go.

    計分程式將從多次傳遞資料開始。 然後,它會將結果以橫條圖顯示在百分比線上。

  3. 儲存傾向分數。

    從6.1開始,您現在可以選擇使用「儲存傾向分數」:

  • 維度

  • Dimension和量度

    最後可能會有兩個儲存的檔案,分別是維度和定義的量度。

    注意

    如果您提交「傾向分數」以進行處理,則只會獲得維度。

    衍生量度是相關聯的平均分數量度。

  1. 檢查準確性。

    系統將顯示 Model Complete 並在流程完成時生成計分模型。

    按一下右鍵 Model Complete 將識別系統所定義計分模型的準確度。 介於0%到100%的值將識別訪客符合 Target 變數。

    混淆矩陣通過實際正值(AP)、實際負值(AN)、預計正值(PP)和預計負值(PN)的組合給出四個計數。 這些資料是通過將最終的評分模型應用到20%的預扣測試資料而得到的,我們知道這些資料的真實答案。 如果分數大於50%,則會預測為正面大小寫(符合定義的事件)。

準確度 透過識別所有預測的正確預測來指出模型的準確程度。

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

召回 識別重新識別計分模型的能力。

TP /(TP + FN)

精準度 識別不一致的程度。

TP /(TP + FP)

  1. 開啟 提升度或增益圖表,或 模型查看器.

    以滑鼠右鍵按一下 模型完成 視覺效果與選取 Lift Chart, Gain Chart,或 Model Viewer.

本頁內容