Kumulativní profil přesnosti - Cumulative accuracy profile
 | Tento článek má několik problémů. Prosím pomozte vylepši to nebo diskutovat o těchto otázkách na internetu diskusní stránka. (Zjistěte, jak a kdy tyto zprávy ze šablony odebrat) (Zjistěte, jak a kdy odstranit tuto zprávu šablony)
|
The kumulativní profil přesnosti (nebo CAP) je koncept využívaný v datová věda vizualizovat diskriminační síla. CAP modelu představuje kumulativní počet pozitivních výsledků podél EU y-osa versus odpovídající kumulativní počet klasifikačních parametrů podél X-osa. Výsledná křivka se nazývá CAP křivka.[1] SZP se liší od SZP provozní charakteristika přijímače (ROC), který vykresluje skutečná kladná sazba proti míra falešně pozitivních výsledků. CAP se používá při hodnocení výkonu klasifikačního modelu. Lze jej použít k pochopení robustnosti klasifikačního modelu.
www.gamer.com
 | Wikipedia není strategickým průvodcem ani návodem k použití. Články na Wikipedii by se měly zaměřovat na samotné hry, nikoli na to, jak je hrát; neměly by obsahovat tipy, triky nebo kódy. Tyto informace jsou k dispozici jinde (například o našem sesterském projektu, Wikibooks ), v tištěných průvodcích a online, a nepatří do záznamu encyklopedie. Prosím nepřidávejte vaše vlastní rady nebo názory hry. Ověřitelný obsah o historii, designu a celkovém popisu hry je vítán. Pokud máte otázky, zda je třeba přidat konkrétní informace, zeptejte se nejprve zde. |
Analýza CAP
CAP lze použít k vyhodnocení modelu porovnáním křivky s dokonalým CAP. Maximální počet pozitivních výsledků je dosažen přímo do náhodné CAP, ve které jsou pozitivní výsledky rozděleny rovnoměrně. Dobrý model bude mít CAP mezi dokonalým CAP a náhodným CAP. Čím blíže je model dokonalé CAP, tím lepší je.
Poměr přesnosti (AR) je definován jako poměr plochy mezi modelovou CAP a náhodnou CAP a oblastí mezi dokonalou CAP a náhodnou CAP.[2] U úspěšného modelu má AR hodnoty mezi nulou a jednou, s vyšší hodnotou pro silnější model.
Kumulativní počet pozitivních výsledků naznačuje sílu modelu na 50% klasifikačního parametru. U úspěšného modelu by tato hodnota měla ležet mezi 50% a 100% maxima, s vyšším procentem u silnějších modelů.
Ve sporadických případech může být poměr přesnosti záporný. V tomto případě má model horší výkon než náhodný CAP.
Aplikace
SZP a Provozní charakteristika přijímače (ROC) banky i regulační orgány běžně používají k analýze diskriminační schopnosti ratingových systémů, které hodnotí úvěrová rizika.[3][4]
Reference
- ^ „KUMULATIVNÍ PROFIL PŘESNOSTI A JEJÍ APLIKACE V KREDITNÍM RIZIKU“. www.linkedin.com. Citováno 2020-12-11.
- ^ Calabrese, Raffaella (2009), Ověření modelů úvěrového hodnocení a hodnocení (PDF), Setkání švýcarských statistik, Ženeva, Švýcarsko
- ^ Engelmann, Bernd; Hayden, Evelyn; Tasche, Dirk (2003), „Měření diskriminační síly ratingových systémů“, Diskusní příspěvekSérie 2: Bankovní a finanční dohled (č. 01)
- ^ Sobehart, Jorge; Keenan, Sean; Stein, Roger (2000-05-15), „Metody ověřování pro modely rizika selhání“ (PDF), Služby řízení rizik společnosti Moody's