比较模型准确性

1. 同时运行两个 Logistic 节点以创建模型块，这些模型块将添加到流和右上角的“模型”选用板中。

   

2. 将“分析”节点附加到模型块，并使用其缺省设置运行“分析”节点。

对非 ADP 派生模型的“分析”显示，在“Logistic 回归”节点中使用缺省设置运行数据会使模型的准确性较低 - 仅为 10.6%。

对 ADP 派生模型的“分析”显示，您已通过缺省 ADP 设置运行数据来构建了一个更准确的模型 - 正确率为 78.8%。

总之，通过运行 ADP 节点对数据处理过程进行微调，您只需很少的直接数据操作便可构建更准确的模型。

当然，如果您有兴趣证明或推翻这一论断，或想构建特定模型，您会发现直接使用模型设置很有用；然而，对于那些构建时间短或有大量数据要处理的模型，ADP 节点可为您带来优势。

有关 IBM® SPSS® Modeler 中所用建模方法的数学原理的说明，请参阅 IBM SPSS Modeler Algorithms Guide，该指南位于安装光盘的 \Documentation 目录中。

请注意，本示例中的结果仅基于训练数据。要评估模型适用于实际应用中的其他数据的程度，可以使用“分区”节点提供部分记录以用于测试和验证。