二分类评估通过计算AUC、KS及F1 Score指标，输出KS曲线、PR曲线、ROC曲线、LIFT Chart及Gain Chart。

组件配置

PAI-Studio支持通过可视化或PAI命令的方式，配置该组件参数：
  • 可视化方式
    参数 描述
    原始标签列列名 目标列的名称。
    分数列列名 预测分数列，通常为prediction_score列。
    正样本的标签值 正样本的分类。
    计算KS、PR等指标时按等频分成多少个桶 将数据按照等频划分为桶的数量。
    分组列列名 分组ID列。对各分组的数据分别计算评估指标，适用于分组评估场景。
    高级选项 如果选中高级选项复选框，则预测结果详细列、预测目标与评估目标是否一致及保存性能指标参数生效。
    预测结果详细列 预测结果详细列的名称。
    预测目标与评估目标是否一致 例如，在金融场景中，训练程序预测坏人的概率，其值越大，表示样本越坏，相关指标（例如LIFT）评估的是抓坏率，此时预测目标与评估目标一致。在信用评分场景中，训练程序预测好人的概率，其值越大，表示样本越好，而相关指标评估的是抓坏率，此时预测目标与评估目标不一致。
    保存性能指标 保存性能指标的开关。
  • PAI命令方式
    PAI -name=evaluate -project=algo_public
    -DoutputMetricTableName=output_metric_table
    -DoutputDetailTableName=output_detail_table
    -DinputTableName=input_data_table
    -DlabelColName=label
    -DscoreColName=score
    参数 是否必选 参数描述 默认值
    inputTableName 是 输入表的名称。 无
    inputTablePartitions 否 输入表的分区。 全表
    labelColName 是 目标列的名称。 无
    scoreColName 是 分数列的名称。 无
    groupColName 否 分组列的名称，用于分组评估场景。 无
    binCount 否 计算KS及PR等指标时，按照等频将数据分成的桶数量。 1000
    outputMetricTableName 是 输出的指标表，包括AUC、KS及F1 Score指标。 无
    outputDetailTableName 否 用于画图的详细数据表。 无
    positiveLabel 否 正样本的分类。 1
    lifecycle 否 输出表的生命周期。 无
    coreNum 否 核心数量。 系统自动计算
    memSizePerCore 否 每个核心的内存。 系统自动计算