Show Menu
主题×

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 Add 击> Visualization > Predictive Analytics > Scoring > Propensity Score
  2. Set the Target (the dependent variable).
    通过选择以下项设置因变量:
  • 维度元素 :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 >以 Filter Editor 打开过滤器编辑器可视化。
    After selecting a Dimension element or Filter as the dependent variable, click Set Target , enter a name to describe the dependent variable. Then click OK (and make sure the filter box is highlighted) to set the Target.
    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 。From the Propensity Scoring toolbar, select a metric from the Metrics menu.
  • 维度元素 :在工作区中右键单击并选择 Table 。 Select one or more Dimension elements and drag to the left column under Independent Variables or to the Element box using the <Ctrl> + <Alt> keys.
  1. 已设置 Training Filter . You can define the set of visitors that you want to score by clicking Options > Set Training Filter from the Propensity Scoring toolbar. 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。
    默认过滤器是, Train on Everyone ​但您可以通过在表中激活或使用 Dimension Elements 构建过滤器来更改它 Filter Editor
    After selecting a Dimension element or building a filter and while activated, click Options > Set Training Filter , enter a name to describe the filter, and then click OK .
  2. Once you have identified all your inputs, press 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: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。
    The system will display Model Complete and generate a scoring model when the process is complete.
    Right-clicking on Model Complete will identify the accuracy of the scoring model as defined by the system. Values ranging from 0 percent to 100 percent will identify the likelihood of the visitors matching the Target variable.
    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. 右键单击“模型完 ”可视化 Lift Chart ,然后选 Gain Chart ​择、 Model Viewer.