title: ‘二分类模型评价指标-KS值’
author: " "
date: “2018年7月13日”
output : word _ document knitr :3360 opts _ chunk $ set (echo=true，eval=FALSE )1. KS值1.1概念KS值越大，模型越能区分正负客户
一般来说，KS0.2表示模型的预测精度较高。
dldhc-单身银耳汤检测(() ) ) ) )用于基于累计分布函数，检测两种经验分布是否不同，或者一种经验分布是否与另一种理想分布不同。
绘制方法与ROC曲线略有相同，必须计算TPR和FPR。 但是，TPR和FPR取纵轴，横轴是将样品分割成几部分。
步骤：
按照分类模型返回概率的降序排列，在0-1之间进行n等分，以等分点为阈值，计算TPR、FPR对TPR、FPR图即可得到KS值即为Max(TPR-FPR)
###1.2代码
提供一份二维码供参考。
#获取数据--------------- -获取数据result-data.frame (pre _ prob=rocr.simple $ predictions， true_label=ROCR.simple$labels ) ) #概率大于0.5，为正类，小于0.5 { pre _ label-null pre _ label [ pre _ prob ] install.) } crosstable (x=result $ true _ label，y=result$pre_label， prop.chisq=FALSE )绘制PRC曲线：横轴TPR纵轴precision.thresse by=-0.1被判定为正类的也实际上是正类TP-sum ((result $ pre _ prpre ) (result$true_label==1) ) )被判定为正类的也实际上是负类FP-sum ) ) 652 ) #被判定为负的类实际上是负类TN-sum ((result $ sum ) (result$true_label==0) ) )被判定为负的类实际上是正类fn-sum ) ) ) resupre_pre ) TP/(TPfn ) ) FPR-c，FPR 映射=AES ) x=seq (0，1，公式=y~splines :3360 ns (x，10 )，method='lm ' ) geom_line )映射=apping
knitr 33603360 include _ graphics (' ./picture/pic 09-ks.png '，dpi=600 ) )
PS :我不认为这个KS值有什么用~
2. Lift值计算：作为示例
对于某个二分类模型，对1000名顾客进行打分。 实际数据中有90名顾客发生购买行为时。 那么Random Rate=9%。 按概率降序排序，取前10%。 其中60人发生购买行为时，前10%的用户实际购买率的Lift=(60/100 )/9%=6.67。
3 .捕捉率及响应率按照概率降序排序，0-1等分，以等分点为阈值的响应率相对于属于各等分区间内的正1的该区间或累计区间整体的观察数的百分比捕捉率相对于属于各等分区间内的正1的该区间或累计区间整体的观察数的百分比2017-06
2018-07-13南京市建邺区新城科技园