SPSSAI 数据统计分析平台 | AI 驱动
学习文章共 89 篇

SPSS XGBoost 模型怎么用:分类任务的特征重要性与 AUC

方法教程更新于 2026-11-19约 4 分钟读完

XGBoost 模型的分类报告应先读验证口径,再读 AUC 与特征重要性:前者描述排序,后者描述当前模型对输入列的预测依赖。本文用独立平台 SPSSAI 的固定演示区分交叉验证、留出测试与置换评价;SPSS 只是相关软件名称,不代表本平台与其有隶属关系。

xgboost分类的数据与预测对象

以下结果来自本站演示数据(模拟生成,不代表真实研究结论),使用全部 240 行经营记录。目标为是否达成销售目标,其余三列按演示文件配位作为定量特征;本次没有改变原始字段、删选记录或修改类别,数字只是合成样本中的运行结果。

数据部分 角色 核查要点
是否达成销售目标 二分类目标 类别定义与预测时点
原表其余三列 经营特征 来源及可获取时点
一行记录 观测单位 避免对象跨训练与验证

特征必须在预测时能够获得,含有事后结果的字段即使提高分类得分也不适合预测。报告的重复和单变量关联扫描只能覆盖部分问题,无法取代对采集时序与对象来源的审查;正式研究要单独保存字段字典和可用时间。

在工作台复现固定模型设置

  1. 选择「XGBoost分类」,载入演示数据,保持目标列与其余三列的演示配位。
  2. 沿用固定参数:迭代轮数 200、最大深度 6、学习率 0.1,测试比例 0.20,随机种子 42。
  3. 开始分析后先核对有效记录和划分设置,再分别读取交叉验证、留出测试和汇总折外的结果。

本次没有超参数搜索,因此这些设置是固定输入,并非经过搜索验证的最佳组合。模型表达能力增加可能改善样本内拟合,也可能增加方差;若需要调参,选择过程本身应纳入验证设计,不能反复查看同一份指标后仍称其为独立评价。

XGBoost 模型的AUC与分类准确率如何按口径报告

主表为分层 5 折交叉验证,准确率均值 0.8000,折间 SD 0.0867;ROC-AUC 均值 0.8770,折间 SD 0.0896。这些值是逐折计算后的平均,波动提醒不同划分下性能会变化,并非对每个新对象预测正确的保证。

分类折外预测的混淆矩阵热力图

混淆矩阵显示真实类别与预测类别的交叉计数,其来源是每个样本未参与训练时得到的折外预测。对角线描述正确分类,非对角线定位误判;正式使用还需按错误代价查看逐类表现,不能只保留一个总体百分比。

分类模型折外预测概率的ROC曲线

汇总折外预测后计算的 ROC-AUC 为 0.8689,与逐折平均不同;留出测试集的对应值则为 0.7734,来自本次单次划分。三项都标明来源才能复核,不能把单次测试与全数据交叉验证当成互不重叠的外部验证;本文也没有据这些差别做算法排名。

分类报告的交叉验证与留出测试性能表截图

截图完整展示交叉验证均值、折间标准差、区间和留出测试列,便于对照同名指标的不同来源。它呈现的是性能读数,不包含参数或数据划分设置,读取时应保留列头口径,避免只截取较高的一列。

特征重要性怎样从留出样本读取

置换评价在留出测试集上进行,每列独立打乱 10 次,指标为宏平均 F1。广告投入的平均下降量为 0.1862,区间 [0.1616, 0.2108];门店面积为 0.0058,区间 [−0.0189, 0.0306]。这两项用于对照较明显依赖和不稳定依赖,保留原字段含义,没有重新命名输入列。

区间反映这次置换重复的随机波动,尚未包含重新采样、重新训练或选择参数的全部不确定性。后一项跨零只说明当前评估中贡献不稳定,不足以认定它在总体或其他模型中毫无作用;相关候选变量之间也会分担预测信息。

特征重要性没有方向符号,即使打乱某列降低性能,也没有说明增加该变量会怎样改变结局,更不构成经营投入引起目标达成的因果结论。

固定参数模型的论文段落怎么写

可写:「对经营演示记录拟合固定参数分类模型,按分层交叉验证报告 AUC 及折间波动;置换重要性另在留出样本上计算,描述模型对输入特征的依赖。本次属于内部验证,尚未评价跨时期推广。」正式稿需加上数据采集、字段定义与验证方案。

置换结果有有效区间时,分别记录区间支持的方向或不确定性;若某项指标未能估计,应说明原因并排查,而非写成零贡献。模型与基线的检验也应按原始 p 及预设检验问题报告,显著性本身没有完成模型间比较或外部确认。

预测模型交接时字段来源与使用范围的审核表

审核表增加的是应用材料:字段可用时点、部署对象及错误处置。内部得分无法自动填完这些栏目,正式应用前还需独立验证和人工审查;演示数据不用登录就能跑;用自己的数据分析、导出 Word / PDF 报告、使用 AI 解读需要开通会员。

分类模型解读常见错误

  • 混抄不同口径 AUC:每个数字标明逐折平均、汇总折外或留出测试来源。
  • 将置换下降量写成因果系数:保留评价样本、指标和当前特征集合的条件。
  • 只报准确率而无波动:结合折间变化与逐类错误,保留推广限制。

延伸阅读

常见问题

XGBoost 模型的AUC为什么有不同数值?

逐折计算后平均与汇总全部折外概率再计算对应不同口径;留出测试集又属于另一项划分,应写明来源而非混用。

特征重要性高说明因果作用大吗?

置换重要性描述当前模型在既定评价指标上对该列的依赖。相关变量、模型设置和评估样本都会影响结果,不能直接解释为因果效应。

xgboost分类准确率可直接用于新客户吗?

内部验证只评价当前数据范围,推广到新人群或新时期仍需独立验证,并核对变量定义与采集过程。

同分类文章 · 方法教程

SPSS 协方差分析和方差分析的区别:加协变量后结果怎么变SPSS 方差分析和t检验的区别和联系:三组以上为何不能两两比SPSS 逻辑回归和线性回归的区别:因变量类型决定用哪个SPSS 中介效应三步法还能用吗:逐步检验与 Bootstrap 对照
回到学习文章,查看全部 89 篇 →