Kaldırma ve Kazanç Grafiği
Lift Chart and Gain Chart · Ayrıca şöyle bilinir: Cumulative Gain Chart, Lift Curve
Kaldırma ve kazanç grafikleri, modelin rastgele seçime kıyasla ne kadar daha iyi performans gösterdiğini göstererek sınıflandırıcı performansını görselleştirir; özellikle örneklerin en üst yüzdesini seçtiğiniz sıralama veya puanlama görevleri için kullanışlıdır. Pazarlama, kredi puanlaması ve dolandırıcılık tespitinde yaygın olarak kullanılırlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Sıralama problemleri ve tüm örnekleri incelemenin mümkün olmadığı maliyet bilincine sahip uygulamalar için kaldırma ve kazanç grafiklerini kullanın. Pazarlamada (hedef alınan müşterilerin en üst %10'unda kaç yanıt veren var?), dolandırıcılık tespitinde (şüpheli hesapların en üst %20'sinde ne kadar dolandırıcılık var?) ve kredi puanlamasında (en riskli %15'te kaç temerrüt var?) esastırlar.
Güçlü yönler & sınırlılıklar
- Pratik değeri doğrudan gösterir: en üst sıralarda yer alan örnekleri seçerek ne kadar pozitif yakaladığınızı.
- Tüm örnekleri incelemenin mümkün olmadığı maliyet-hassas kararlar için kullanışlıdır.
- Sonuçları teknik olmayan paydaşlara iletmeyi kolaylaştıran sezgisel görselleştirme.
- Temel performansın düşük olduğu dengesiz veri kümelerinde iyi çalışır.
- Model karşılaştırması için tek bir sayısal puan sağlamaz (kaldırma değerleri çıkarılabilse de).
- Örneklem büyüklüğüne ve sınıf dengesizliğine duyarlıdır; kaldırma değerleri pozitiflerin oranına göre değişir.
- Sadece sınıf tahminleri değil, olasılık çıktıları veya güven puanları gerektirir.
- Altta yatan model performansı incelenmeden yorumlanırsa yanıltıcı olabilir.
SSS
2.5'lik bir kaldırma ne anlama gelir?
Belirli bir yüzdedeki 2.5'lik bir kaldırma, modelin sıralanmış nüfusun o yüzdesi içinde pozitifleri belirlemede rastgele seçimden 2.5 kat daha iyi olduğu anlamına gelir. Örneğin, %20'de 2.5 kaldırma, sıralanmış örneklerin en üst %20'sini incelerseniz, rastgele %20 seçerek bulacağınızdan 2.5 kat daha fazla pozitif bulacağınız anlamına gelir.
Kaldırma ve kazanç grafikleri nasıl farklılık gösterir?
Kaldırma grafikleri, her yüzdede model performansının rastgele performansa oranını gösterir. Kazanç grafikleri, sıralanmış liste boyunca ilerledikçe bulunan pozitiflerin kümülatif yüzdesini gösterir. Her ikisi de benzer bilgileri iletir ancak kaldırma 'göreli iyileştirme' olarak daha doğrudan yorumlanabilirken, kazanç 'şimdiye kadar ne kadar buldum' olarak daha sezgiseldir.
Çok sınıflı problemler için kaldırma ve kazanç grafikleri kullanabilir miyim?
Evet, ancak yorumlama değişir. Çok sınıflı problemler için, tipik olarak her sınıfı ayrı ayrı değerlendirirsiniz: belirli bir sınıfın pozitif olma olasılığına göre sıralayın, ardından o sınıf için kaldırma ve kazancı hesaplayın. Bu, ilgilenilen her sınıf için bir grafik üretir.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Lift Chart and Gain Chart. ScholarGate. https://scholargate.app/tr/model-evaluation/lift-and-gain-chart
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Hassasiyet-Geri Çağırma Eğrisi Altında Kalan Alan (PR AUC)Model değerlendirme↔ karşılaştır
- Geri Çağırma (Duyarlılık)Model değerlendirme↔ karşılaştır