Grafik Lift dan Gain
Grafik lift dan gain memvisualisasikan kinerja pengklasifikasi dengan menunjukkan seberapa baik model berkinerja dibandingkan dengan pemilihan acak, sangat berguna untuk tugas pemeringkatan atau penilaian di mana Anda memilih persentase sampel teratas. Keduanya banyak digunakan dalam pemasaran, penilaian kredit, dan deteksi penipuan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Lift Chart and Gain Chart. ScholarGate. https://scholargate.app/id/model-evaluation/lift-and-gain-chart
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- AUC Presisi-RecallEvaluasi Model↔ bandingkan
- Recall (Sensitivitas)Evaluasi Model↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →