模型评估
评估
节点用途：分析评估模型质量
节点配置：
配置选项卡：
说明：两种方式输出模型评估结果
案例：建立一下工作流：
配置节点为默认设置，执行后，结果如下图：
信息熵
**节点用途：**根据给定的参考类为聚类结果评分。
该节点有两个输入端口，第一个输入端口连接参考类的表，第二个输入端口连接包含聚类结果的表，且这两个表均需要包含类ID。 从对话框中选择两个表中相应的列。成功执行之后，视图中会显示熵值和质量值，其中熵值越小越好，质量值属于[0，1]，越趋于1越好。
节点配置：
配置选项卡：
说明：
- 参考字段：选择第一个输入表中包含参考类的列
- 聚类字段：选择第二个输入表中用于评估的字段。
评估图
**节点用途：**将模型评估结果以视图形式展示。
节点配置：
配置选项卡：
说明：
- **图表类型：**根据建模分析的目的，选择数据图表
- **增益图：**增益的定义是相对于全部匹配，发生于每个分位数中的匹配的百分比。其计算方法为（分位数中的匹配数量/全部匹配数量） × 100%。
累积收益图的线从左至右的走势通常是从0% 到100%。优秀模型的收益图将陡升至100%，然后保持平直。无法提供有用信息的模型将呈对角线状，即从左下角到右上角（选择了包含基线后将显示类似图表）
- **响应图：**响应即分位数中，匹配记录的比例。其计算方式为（分位数中的匹配/分位数中的记录）× 100%
通常，响应图开始于接近100%之处，并逐渐下降，最终将在延伸至图表右侧边缘时达到整体响应率（全部匹配/全部记录）。对于优秀模型的响应图，其线开始于图表左侧接近或等于100% 的值，且在向右移动的过程中，始终保持在较高的水平；然后，在图表右侧，向整体响应率的方向迅速下降。如果模型不能提供任何信息，则其线在整个图形中将始终围绕在整体响应率左右。（如果选择了包含基线，一条值相当于整体响应率的水平线将显示在图表中供您参考
- **提升图：**提升将每个分位数中匹配记录的百分比与在全部训练数据中匹配的百分比进行比较。其计算方式为（在分位数中的匹配/在分位数中的记录）/（全部匹配/全部记录）
累积提升图的线从左至右的走势通常为：起始于大于1.0 的值，并渐渐下降，直到接近1.0。图表的右侧边缘表示整个数据集，因此累积分位数的匹配与数据中的匹配的比例为1.0。对于优秀模型的提升图，其线开始于图表左侧大于1.0 的值，且在向右移动的过程中，始终保持在较高的水平；然后，在图表右侧，向1.0的方向迅速下降。如果模型不能提供任何信息，则其线在整个图形中将始终围绕在1.0 左右。（如果选择了包含基线，一条值为1.0 的水平线将显示在图表中供您参考
- **ROC图：**ROI 将分位数的成本和利润进行比较。其计算方法为（分位数利润/分位数成本）× 100%
累积投资回报(ROI) 图通常与响应图及提升图类似，只有在尺度标准方面有所差别。投资回报图通常开始于大于0% 的值，并逐渐下降，直到达到整个数据集的整体ROI（可能为负）。对于优秀模型的投资回报图，其线开始于图表左侧大于0% 的值，且在向右移动的过程中，始终保持在较高的水平；然后，在图表右侧，向整体ROI 的方向迅速下降。如果模型不能提供任何信息，则其线在整个图形中将始终围绕在整体ROI 左右
- **目标\预测变量字段：**使用类型设置或者自定义，如果选择类型设置，需要定义分类目标字段，以及倾向类别值，如果选择自定义，则可以在最下方的数据字段列表中选择目标字段。