主要内容

predictorinfo

摘要信用计分卡预测属性

所有的页面崩溃

语法

(T,统计)= predictorinfo (sc PredictorName)

描述

例子

(T,统计数据)= predictorinfo (sc,PredictorName)返回一个总结信用计分卡预测属性和一些基本的预测数据。

例子

全部折叠

打开生活的脚本

创建一个creditscorecard对象使用CreditCardData.mat文件加载数据(使用数据集从Refaat 2011)。

负载CreditCardDatasc = creditscorecard(数据,“IDVar”,“CustID”)
sc = creditscorecard属性:GoodLabel: 0 ResponseVar:“地位”WeightsVar:“VarNames: {CustID的‘CustAge’‘TmAtAddress’‘ResStatus’‘EmpStatus’‘CustIncome’‘TmWBank’‘OtherCC’‘AMBalance UtilRate的“地位”}NumericPredictors: {‘CustAge’‘TmAtAddress’‘CustIncome’‘TmWBank’‘AMBalance’‘UtilRate} CategoricalPredictors: {“ResStatus”“EmpStatus”“OtherCC”} BinMissingData: 0 IDVar:“CustID”PredictorVars: {‘CustAge’‘TmAtAddress’‘ResStatus’‘EmpStatus’‘CustIncome’‘TmWBank’‘OtherCC’‘AMBalance’‘UtilRate}数据:[1200 x11表)

得到的预测数据PredictorName的CustAge。

(T,统计)= predictorinfo (sc,“CustAge”)
T =1×4表PredictorType LatestBinning LatestFillMissingType LatestFillMissingValue _________________ _________________ _____________________ ______________________ CustAge{‘数字’}{“原始数据”}{“原始”}{0 x0双}
统计=4×1表值______最小21最大74平均45.174 9.8302性病

得到的预测数据PredictorName的ResStatus。

(T,统计)= predictorinfo (sc,“ResStatus”)
T =表1×5PredictorType序数LatestBinning LatestFillMissingType LatestFillMissingValue售予_________ _________________ _____________________ ______________________ ResStatus{“直言”}假{“原始数据”}{“原始”}{0 x0双}
统计=3×1表数_____房主542房客474 184
打开生活的脚本

创建一个creditscorecard对象使用CreditCardData.mat文件加载数据(使用数据集从Refaat 2011)。

负载CreditCardDatasc = creditscorecard (dataMissing,“BinMissingData”,真的,“IDVar”,“CustID”);sc = autobinning (sc);

使用fillmissing来代替缺失值CustAge预测的价值38。

sc = fillmissing (sc,“CustAge”,“不变”、38);

得到的预测数据PredictorName的CustAge。

(T,统计)= predictorinfo (sc,“CustAge”)
T =1×4表PredictorType LatestBinning LatestFillMissingType LatestFillMissingValue _________________ ________________________ _____________________ ______________________ CustAge{‘数字’}{‘自动/单调’}{“常数”}{[38]}
统计=4×1表值______最小21最大74平均44.932 9.7436性病

使用fillmissing来代替缺失值ResStatus预测与模式价值。

sc = fillmissing (sc,“ResStatus”,“模式”);

得到的预测数据PredictorName的ResStatus。

(T,统计)= predictorinfo (sc,“ResStatus”)
T =表1×5PredictorType序数LatestBinning LatestFillMissingType LatestFillMissingValue售予_________ ________________________ _____________________ ______________________ ResStatus{“直言”}假{‘自动/单调’}{‘模式’}{‘业主’}
统计=3×1表数_____租户457房主563 180

输入参数

全部折叠

信用计分卡模型,指定为一个creditscorecard对象。使用creditscorecard创建一个creditscorecard对象。

预测名称,指定使用一个特征向量包含信用计分卡的名字感兴趣的预测。PredictorName是区分大小写的。

数据类型:字符

输出参数

全部折叠

摘要信息预测指定,返回如下表列:

  • “PredictorType”- - - - - -“数字”或“分类”。

  • “顺序”——分类预测,一个布尔值表示是否顺序。

  • “LatestBinning”字向量表示过去的输入参数的应用算法PredictorName。的值是:

    • “原始数据”——当没有装箱是应用于预测。

    • “自动/ BinningName”——在那里“BinningName”是下列之一:单调,平等的宽度,或相等的频率。

    • “手动”——每次调用后modifybins,要么“割点”,“CatGrouping”,“MinValue”,或“执行”被修改。

  • “LatestFillMissingType”——如果fillmissing已应用于预测的值统计数据理由fillmissing会显示出来。如果预测没有任何缺失的数据,然后填充类型“原始”。

  • “LatestFillMissingValue”——如果fillmissing被应用于预测,填补值显示出来。如果预测没有任何缺失的数据,然后填满值[]。

预测的名字被用作返回表中的行名称。

摘要统计信息的输入PredictorName,作为一个表返回。存储在相应的价值“价值”列。

表的行名称显示数值预测的相关统计数据:

  • “最小值”-最小值的样本。

  • “马克斯”——在样本最大值。

  • “的意思是”——在样本平均值。

  • “性病”样本的标准偏差。

    请注意

    数据类型除了“双重”或“单”,标准差数值精度可能会丢失。数据类型以外的“双重”或“单”是扮演“双重”之前计算标准偏差。

分类预测,行名称包含类别的名称,与相应的总数量“数”列。

版本历史

介绍了R2015b

另请参阅

||||