16、评估排名性能：提升图的应用与解读

评估排名性能：提升图的应用与解读

1. 预测目标与提升图概述

在数据分析中，我们常常有这样一个预测目标：在一组新记录里，找出最有可能属于感兴趣类别的那些记录。这和为每个新记录预测类别归属的目标有所不同。

对于二元数据，提升图（也被称为提升曲线、增益曲线或增益图）是一种常用的工具。相较于预测连续结果，它在二元结果的场景中应用更为普遍。提升曲线能帮助我们判断，通过选择相对较少的记录，能在多大程度上获取较大比例的响应者，就像“撇取奶油”一样。构建提升曲线需要一个经过“评分”的验证数据集，也就是给每条记录附加其属于给定类别的倾向值。

例如，在处理一些特定情况时，如查找税务欺诈者、债务违约者或邮件营销的响应者，我们希望分类模型能筛选记录，并根据它们属于目标类别的可能性进行排序。这样我们就能做出更明智的决策。比如，在查找税务欺诈者时，我们可以决定检查多少份以及哪些纳税申报单；或者在进行有限预算的邮件营销时，确定目标潜在客户。

2. 按倾向值排序

为了构建提升图，我们要按倾向值对记录集进行降序排序，这里的倾向值指的是属于重要类别（如 C1）的倾向。然后，在每一行计算 C1 类成员的累积数量（实际类别为 C1）。以下是一个割草机示例的按所有权倾向值（从高到低）排序的记录表格：
| Obs | Propensity of 1 | Actual Class | Cumulative Actual Class |
| — | — | — | — |
| 1 | 0.995976726 | 1 | 1 |
| 2 | 0.987533139 | 1 | 2 |
| 3 | 0.984456382 | 1 | 3