通过本课程学习，掌握常用的模型评估方法：混淆矩阵、ROC曲线、KS曲线、LIFT曲线、PSI等。
R语言数据挖掘-模型评估篇
无限期 视频有效期
12节 节数
3399人 学习人数
课程评分
数据科学家
曾就职于平安人寿担任资深数据挖掘专家，目前在世界百强企业负责数据中台、数据化运营、金融科技、创新规划等项目及前沿研究。有14年的数据挖掘与分享相关工作的经验；曾经从事过电商、电购、电力、游戏、金融和物流等行业，熟悉不同行业的数据特点。R语言资深玩家，熟悉python及深度学习keras框架，有丰富的大数据挖掘和可视化实战经验。2017-2021年微软数据科学和AI方向最具价值专家(微软MVP)；《中国现场统计研究会大数据统计分会》第一届理事；历届中国R语言大会特邀演讲嘉宾。撰写技术书籍：《R语言游戏数据分析与挖掘》、《R语言与数据挖掘》、《数据实践之美：31位大数据专家的方法、技术与思想》等。
曾就职于平安人寿担任资深数据挖掘专家，目前在世界百强企业负责数据中台、数据化运营、金融科技、创新规划等项目及前沿研究。有14年的数据挖掘与分享相关工作的经验；曾经从事过电商、电购、电力、游戏、金融和物流等行业，熟悉不同行业的数据特点。R语言资深玩家，熟悉python及深度学习keras框架，有丰富的大数据挖掘和可视化实战经验。2017-2021年微软数据科学和AI方向最具价值专家(微软MVP)；《中国现场统计研究会大数据统计分会》第一届理事；历届中国R语言大会特邀演讲嘉宾。撰写技术书籍：《R语言游戏数据分析与挖掘》、《R语言与数据挖掘》、《数据实践之美：31位大数据专家的方法、技术与思想》等。
你将收获
适用人群
数据分析师 数据挖掘工程师 高效师生
课程介绍
本课程 详细介绍了模型评估常用技术手段：混淆矩阵、ROC曲线、KS曲线、LIFT曲线，并通过自定义函数 实现各种曲线绘制方法。还介绍了等频分箱在企业中应用的价值。
课程目录
大家都在学
讨论留言
正在加载中...
同学笔记
2020-03-28 17:19:15
混淆矩阵 Confusion Matrix
TP: True Positive
TN: True Negative
FP: False Positive
FN: False Negative
正确率accuracy：(TP+TN)/(TP+TN+FP+FN)
错误率：1-(TP+TN)/(TP+TN+FP+FN)
灵敏性/真正率sensitivity/TPR：TP/(TP+FN)
特效性/真负率specificity：TN/(TN+FP)=1-FPR
精度/准确度precision：TP/(TP+FP)
错正率/假正率FPR：FP/(FP+TN)=1-特效性
没有更多了
