二分類評估通過計算AUC、KS及F1 Score指標，輸出KS曲線、PR曲線、ROC曲線、LIFT Chart及Gain Chart。
組件配置
您可以使用以下任意一種方式，配置二分類評估組件參數。
方式一：可視化方式
在Designer工作流頁面配置組件參數。
參數 | 描述 |
原始標簽列列名 | 目標列的名稱。 |
分數列列名 | 預測分數列，通常為prediction_score列。 |
正樣本的標簽值 | 正樣本的分類。 |
計算KS、PR等指標時按等頻分成多少個桶 | 將數據按照等頻劃分為桶的數量。 |
分組列列名 | 分組ID列。對各分組的數據分別計算評估指標，適用于分組評估場景。 |
高級選項 | 如果選中高級選項復選框，則預測結果詳細列、預測目標與評估目標是否一致及保存性能指標參數生效。 |
預測結果詳細列 | 預測結果詳細列的名稱。 |
預測目標與評估目標是否一致 | 例如，在金融場景中，訓練程序預測壞人的概率，其值越大，表示樣本越壞，相關指標（例如LIFT）評估的是抓壞率，此時預測目標與評估目標一致。在信用評分場景中，訓練程序預測好人的概率，其值越大，表示樣本越好，而相關指標評估的是抓壞率，此時預測目標與評估目標不一致。 |
保存性能指標 | 保存性能指標的開關。 |
方式二：PAI命令方式
使用PAI命令方式，配置該組件參數。您可以使用SQL腳本組件進行PAI命令調用，詳情請參見SQL腳本。
PAI -name=evaluate -project=algo_public
-DoutputMetricTableName=output_metric_table
-DoutputDetailTableName=output_detail_table
-DinputTableName=input_data_table
-DlabelColName=label
-DscoreColName=score參數 | 是否必選 | 參數描述 | 默認值 |
inputTableName | 是 | 輸入表的名稱。 | 無 |
inputTablePartitions | 否 | 輸入表的分區。 | 全表 |
labelColName | 是 | 目標列的名稱。 | 無 |
scoreColName | 是 | 分數列的名稱。 | 無 |
groupColName | 否 | 分組列的名稱，用于分組評估場景。 | 無 |
binCount | 否 | 計算KS及PR等指標時，按照等頻將數據分成的桶數量。 | 1000 |
outputMetricTableName | 是 | 輸出的指標表，包括AUC、KS及F1 Score指標。 | 無 |
outputDetailTableName | 否 | 用于畫圖的詳細數據表。 | 無 |
positiveLabel | 否 | 正樣本的分類。 | 1 |
lifecycle | 否 | 輸出表的生命周期。 | 無 |
coreNum | 否 | 核心數量。 | 系統自動計算 |
memSizePerCore | 否 | 每個核心的內存。 | 系統自動計算 |