Formules de validation croisée

Lorsque vous créez un rapport de validation croisée, il contient des mesures de précision pour chaque modèle, selon le type du modèle d'exploration de données (autrement dit, l'algorithme utilisé pour créer le modèle), le type de données de l'attribut prédictible et la valeur de l'attribut prédictible, le cas échéant.

Cette section répertorie les mesures utilisées dans le rapport de validation croisée et décrit la méthode de calcul.

Pour une décomposition des mesures de précision par type de modèle, consultez Mesures dans le rapport de validation croisée.

Formules utilisées pour les mesures de validation croisée

Notes

Important : ces mesures de précision sont calculées pour chaque attribut cible. Pour chaque attribut, vous pouvez spécifier ou omettre une valeur cible. Si un cas dans le jeu de données n'a pas de valeur pour l'attribut cible, le cas est traité comme faisant appel à une valeur spéciale appelée valeur manquante. Les lignes qui ont des valeurs manquantes ne sont pas comptées lors du calcul de la mesure de précision pour un attribut cible particulier. Notez que, dans la mesure où les scores sont calculés individuellement pour chaque attribut, si des valeurs sont présentes pour l'attribut cible mais manquantes pour d'autres attributs, cela n'affecte pas le score pour l'attribut cible.

Measure	S'applique à	Implémentation
Vrai positif	Attribut discret, valeur spécifiée	Nombre de cas qui remplissent ces conditions : Le cas contient la valeur cible. Le modèle a prédit que le cas contient la valeur cible.
Vrai négatif	Attribut discret, valeur spécifiée	Nombre de cas qui remplissent ces conditions : Le cas ne contient pas la valeur cible. Le modèle a prédit que le cas ne contient pas la valeur cible.
Faux positif	Attribut discret, valeur spécifiée	Nombre de cas qui remplissent ces conditions : La valeur réelle est égale à la valeur cible. Le modèle a prédit que le cas contient la valeur cible.
Faux négatif	Attribut discret, valeur spécifiée	Nombre de cas qui remplissent ces conditions : La valeur réelle n'est pas égale à la valeur cible. Le modèle a prédit que le cas ne contient pas la valeur cible.
Réussite/échec	Attribut discret, cible non spécifiée	Nombre de cas qui remplissent ces conditions : Succès si l'état prédit avec la probabilité la plus élevée est identique à l'état d'entrée et la probabilité est supérieure à la valeur de Seuil d'état. Sinon, Échec.
Soulever	Attribut discret. La valeur cible peut être spécifiée, mais elle n'est pas requise.	La vraisemblance logarithmique moyenne pour toutes les lignes avec des valeurs pour l’attribut cible, où la vraisemblance logarithmique de chaque cas est calculée par Log(ActualProbability/MarginalProbability). Pour calculer la moyenne, la somme des valeurs de la vraisemblance du journal est divisée par le nombre de lignes dans le dataset d'entrée, à l'exclusion des lignes avec les valeurs manquantes pour l'attribut cible. La courbe d'élévation peut être une valeur négative ou positive. Une valeur positive signifie un modèle efficace qui devance l'estimation aléatoire.
Score de journal	Attribut discret. La valeur cible peut être spécifiée, mais elle n'est pas requise.	Journal des valeurs de probabilité réelle pour chaque cas, additionnées, puis divisées par le nombre de lignes dans le jeu de données d'entrée, en excluant les lignes avec des valeurs manquantes pour l'attribut cible. Étant donné que la probabilité est représentée comme une fraction décimale, les scores du journal sont toujours un nombre négatif. Un score plus proche de 0 représente un meilleur score.
Probabilité de cas	Cluster	Somme des scores de vraisemblance de cluster pour tous les cas de la partition, divisée par le nombre de cas dans la partition, en excluant les lignes avec des valeurs manquantes pour l'attribut cible.
Erreur d'absolue moyenne	Attribut continu	Somme de l'erreur absolue pour tous les cas de la partition, divisée par le nombre de cas dans la partition.
Erreur du carré moyen racine	Attribut continu	Racine carrée de l'erreur-type pour la partition.
Racine de l’erreur quadratique moyenne	Attribut discret. La valeur cible peut être spécifiée, mais elle n'est pas requise.	Racine carrée de la moyenne des carrés du complément du score de probabilité, divisée par le nombre de cas dans la partition, en excluant les lignes avec des valeurs manquantes pour l'attribut cible.
Racine de l’erreur quadratique moyenne	Attribut discret, cible non spécifiée	Racine carrée de la moyenne des carrés du complément du score de probabilité, divisée par le nombre de cas dans la partition, en excluant les cas avec des valeurs manquantes pour l'attribut cible.

Voir aussi

Test et validation (exploration de données)
Validation croisée (Analysis Services - Exploration de données)