Lift- und Gain-Charts
Lift- und Gain-Charts visualisieren die Leistung eines Klassifikators, indem sie zeigen, wie viel besser das Modell im Vergleich zu einer zufälligen Auswahl abschneidet. Sie sind besonders nützlich für Ranking- oder Scoring-Aufgaben, bei denen ein bestimmter Prozentsatz der Stichproben ausgewählt wird. Sie werden häufig im Marketing, bei der Kreditwürdigkeitsprüfung und bei der Betrugserkennung eingesetzt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Maimon, O. Z., & Rokach, L. (Eds.). (2010). Data Mining and Knowledge Discovery Handbook (2nd ed.). Springer. DOI: 10.1007/978-0-387-09823-4 ↗
- Naeem Siddiqi (2006). Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring. John Wiley & Sons. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Lift Chart and Gain Chart. ScholarGate. https://scholargate.app/de/model-evaluation/lift-and-gain-chart
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Precision-Recall AUCModellevaluation↔ vergleichen
- Recall (Sensitivität)Modellevaluation↔ vergleichen
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →