使用RapidMiner进行风险建模

淘气的

嗨,所有

我正在评估Rapid Miner的风险建模过程中——有人能告诉我基尼统计数据或Komogorff-Smirnov是否可用于评估逻辑回归性能吗?

谢谢

多萝西

土地

嗨,多萝西,
不幸的是，快速矿工不提供这两个性能指标，因为他们不直接衡量分类性能，而是衡量学习者的假设的正确性。假设数据是正态分布，如果我没记错的话。但是，即使违反了一个假设，性能也可能是好的。否则，像天真贝叶斯(属性独立假设)这样的算法在实践中就不会那么成功。

在数据挖掘社区中，最广泛使用的性能评估方法是交叉验证。它直接测量数据的性能，从而处理数据不符合任何(简单)分布假设或学习者不能作为强大的支持系统在连续分布上工作的情况。

问候,
塞巴斯蒂安。

sbutler

就可用的算法而言，RapidMiner适用于风险建模，并且在某些方面优于其他可能仅限于逻辑回归的工具。如果你运行模型并导出分数，你将能够使用另一个工具从这些分数中计算基尼系数。R可能能够做到这一点，但我相信它甚至可以使用excel做基尼。