為什麼SPSSPRO的精度與人工計算不一致？

本文主要討論SPSSPRO的一些問題。

關於： 遵循一些線上教程與 SPSSPRO 結果不匹配？

這樣做的原因是，許多教程都側重於 0-1 二元分類問題，具有明確的正面和負面標籤。

例如，如果我們正在探討使用者流失的問題，那麼流失可能被認為是“積極的”，而留存率是“消極的”。

然而，當我們面對“是貓還是狗”這樣的基本二元分類問題，並不能確定貓狗的正負，或者更複雜的多分類場景時，事情就變得不那麼明確了，它是乙個普通的分類器;

因此，spsspro 將每個級別單獨處理，就好像乙個類是正類，其餘類被視為負類。 這樣，您可以獲得上述每個類別的精度和召回率值。 最終給出的是每個類別的樣本量加權平均後的精確度和召回率。

但現在也可以支援每個分類級別的混淆矩陣和評估指標的計算，我們可以去【演算法共享庫】找到別人共享的演算法，也可以看到【來源**】的計算過程，按照以下步驟再來！！r/>

第 1 步：機器學習分類中的資料。

步驟2：上傳資料，在資料分析模組中找到【自定義演算法】欄目，點選【演算法庫】，找到【多分類機器學習評估】演算法，點選【解鎖演算法】。

第 3 步：解鎖演算法後，會在自定義演算法列表下生成演算法

單擊右上角的“模式”，可檢視演算法的原始碼。

第四步：拖入對應變數的變數，生成輸出報表。