Berechnet Rangkorrelationsindizes zwischen vorhergesagten Wahrscheinlichkeiten und beobachteten Antworten, die zur Beurteilung der Vorhersagefähigkeit eines Modells verwendet werden.
| Parameter | Beschreibung |
|---|---|
| accuracy | Schließt die Genauigkeit in die Klassifikationstabelle ein und benennt sie. |
| allStats | Fordert bei Einstellung auf True alle verfügbaren Statistiken an. |
| association | Erstellt bei Einstellung auf True die Assoziationstabelle. |
| binEps | Gibt die Genauigkeit der vorhergesagten Wahrscheinlichkeiten an, die für die Klassifizierung verwendet werden. |
| casOut | Gibt die Einstellungen für eine Ausgabetabelle an. |
| ctable | Erstellt die Klassifikationstabelle. |
| cutpt | Gibt Cutpoints für die Klassifikationstabelle an. |
| display | Gibt eine Liste von Ergebnistabellen an, die zur Anzeige an den Client gesendet werden sollen. |
| fitData | Gibt bei Einstellung auf True an, dass die zu bewertenden Daten auch zum Anpassen des Modells verwendet wurden. |
| fnf | Schließt den Anteil der falsch-negativen Ergebnisse in die Klassifikationstabelle ein und benennt ihn. |
| fpf | Schließt den Anteil der falsch-positiven Ergebnisse (1-Spezifität) in die Klassifikationstabelle ein und benennt ihn. |
| lift | Schließt den Lift in die Klassifikationstabelle ein und benennt ihn. |
| misclass | Schließt die Fehlklassifikationsrate in die Klassifikationstabelle ein und benennt sie. |
| nocounts | Entfernt bei Einstellung auf True die Zählungen aus der Klassifikationstabelle. |
| npv | Schließt den negativen Vorhersagewert in die Klassifikationstabelle ein und benennt ihn. |
| outputTables | Listet die Namen der Ergebnistabellen auf, die als CAS-Tabellen auf dem Server gespeichert werden sollen. |
| pc | Schließt den prozentualen Anteil der korrekten Klassifizierungen in die Klassifikationstabelle ein und benennt ihn. |
| ppv | Schließt den positiven Vorhersagewert (Präzision) in die Klassifikationstabelle ein und benennt ihn. |
| restore | Stellt Regressionsmodelle aus einem Binary Large Object (BLOB) wieder her. |
| table | Gibt die Eingabedatentabelle an. |
| tnf | Schließt den Anteil der richtig-negativen Ergebnisse (Spezifität) in die Klassifikationstabelle ein und benennt ihn. |
| tpf | Schließt den Anteil der richtig-positiven Ergebnisse (Recall, Sensitivität) in die Klassifikationstabelle ein und benennt ihn. |
Dieses Beispiel zeigt, wie eine Bewertungsdatentabelle erstellt wird, die eine Antwortvariable und ihre vorhergesagten Wahrscheinlichkeiten aus einem Modell enthält. Die Aktion `logisticAssociation` verwendet dann diese Tabelle und das wiederhergestellte Modell, um Assoziationsmetriken zu berechnen.
| 1 | DATA score_data; |
| 2 | INPUT response probability; |
| 3 | DATALINES; |
| 4 | 1 0.95 |
| 5 | 1 0.82 |
| 6 | 0 0.15 |
| 7 | 1 0.76 |
| 8 | 0 0.22 |
| 9 | 0 0.35 |
| 10 | 1 0.88 |
| 11 | 0 0.08 |
| 12 | ; |
| 13 | RUN; |
| 14 | |
| 15 | PROC CASUTIL; |
| 16 | load DATA=score_data casout="score_data_cas" replace; |
| 17 | RUN; |
Dieses Beispiel zeigt, wie die Aktion `logisticAssociation` verwendet wird, um die prädiktive Fähigkeit eines zuvor angepassten logistischen Regressionsmodells zu bewerten. Es verwendet eine wiederhergestellte Modelltabelle (`myModel`) und eine Eingabedatentabelle (`score_data_cas`), um die Assoziationstabelle zu erstellen, die wichtige Kennzahlen wie Somers' D, Gamma, Tau-a und c anzeigt.
| 1 | PROC CAS; |
| 2 | regression.logisticAssociation / |
| 3 | TABLE={name='score_data_cas'}, |
| 4 | restore={name='myModel'}; |
| 5 | RUN; |
Dieses Beispiel erweitert die grundlegende Assoziationsanalyse, indem es die Erstellung einer Klassifikationstabelle (`ctable=TRUE`) anfordert. Es verwendet mehrere benutzerdefinierte Cutpoints (`cutpt={0.3, 0.5, 0.8}`), um zu bewerten, wie gut das Modell Beobachtungen bei verschiedenen Schwellenwerten klassifiziert. Die resultierende Klassifikationstabelle wird in der CAS-Ausgabetabelle `myClassTable` gespeichert.
| 1 | PROC CAS; |
| 2 | regression.logisticAssociation / |
| 3 | TABLE={name='score_data_cas'}, |
| 4 | restore={name='myModel'}, |
| 5 | ctable=TRUE, |
| 6 | cutpt={0.3, 0.5, 0.8}, |
| 7 | casOut={name='myClassTable', replace=TRUE}; |
| 8 | RUN; |