第172页，共678页。 显示 6,773 条结果 (0.75 秒)
可视化与分析数据
1.内容 image2019-8-29 10:21:1.png 2.目录数据模型-功能应用
数据挖掘-多分类算法
多分类算法表示分类的目标标签为两类或者两类以上。 多分类算法数据准备扩展包案例
数据挖掘-聚类系数
概述 聚类算法经过聚类训练之后，会明确每个特征的聚类中心和聚类标签。聚类系数就是输出聚类系数。 输入/输出 输入 一个输入端口，用于接收聚类训练后的结果。 输出 一个输出端口，用于输出聚类系数。 示例 以K均值为例，如下图： 图片48.png 点击右键可查看模型的聚类系数输出如下： 图片49.png 聚类系数数据挖掘-聚类评估
概述 聚类评估是对聚类结果进行评估，包括对聚类算法的评估指标（轮廓系数、和方差、CH指标）和样本量分布情况。 输入/输出 输入 只有一个输入端口，用于接收聚类训练后的结果。 输出 没有输出端口。 示例 使用方法如下图： image2020-11-9_13-58-11.png 点击右键可查看聚类评估的分析结果： image2020-11-9_14-0-54.png数据模型-学习资料
数据挖掘-评分卡输出
概述 评分卡输出用于查看已训练的评分卡模型中，各个变量离散后各分箱的WOE值，iv值及其对评分分数的贡献，可作为对评分卡模型的分析。 输入/输出 输入 一个输入端口，接收训练好的评分卡模型 输出 一个输出端口，用于输出评分卡分析结果 示例 图片3.png 评分卡输出节点的输出结果具体如下： 图片4.png 其中，前三列为各个变量的分箱信息；woe值和IV值反映了该变量分箱的预测偏向和能力；最后两列为该变量分箱对应的转换前和转换后的评分分数，由评分卡模型输出。数据挖掘-评分卡输出
概述 评分卡输出用于查看已训练的评分卡模型中，各个变量离散后各分箱的WOE值，iv值及其对评分分数的贡献，可作为对评分卡模型的分析。 输入/输出 输入 一个输入端口，接收训练好的评分卡模型 输出 一个输出端口，用于输出评分卡分析结果 示例 图片3.png 评分卡输出节点的输出结果具体如下： 图片4.png 其中，前三列为各个变量的分箱信息；woe值和IV值反映了该变量分箱的预测偏向和能力；最后两列为该变量分箱对应的转换前和转换后的评分分数，由评分卡模型输出。可视化数据集
@self
