Classification Wizard - Qualität
Im "Qualität"-Panel können Sie:
- Herausfinden, wie genau Sie einen Status vorhersagen können indem Sie sich die Labels in der Matrix ansehen,
- Über die Wichtigkeitsmatrix überprüfen, wie wichtig eine Variable (Datenpunkt) für das Vorhersagemodell ist,
- Die Klassifizierungen testen, indem Sie Datenpunkt-Inputwerte für den Klassifikationstest angeben
Die unterschiedlichen Bereiche des "Qualität"-Panels sowie wie das Panel verwendet werden soll, werden im Folgenden detaillierter beschrieben:
Fehlermatrix
Die Fehlermatrix zeigt die Datenpunktklassen, die über das Labeln der Datenpunkte in vorigen Kapiteln Classification Wizard - Clustering und Classification Wizard - Training erstellt wurden.
Das Vorhersagemodell zeigt an, wie exakt ein Status vorausgesagt werden kann. Die Fehlerrate zeigt, wie exakt die Voraussage eines Zustands ist. In dem Beispiel unterhalb z.B. hat der Zustand "3-Check mechanical condition" die niedrigste Fehlerrate. Die Konfusionsmatrix zeigt, dass die Voraussage für den Zustand "3-Check mechanical condition" die präziseste Aussage ist. Die grün hervorgehobenen Spalten enthalten die korrekten Voraussagen und die anderen Spalten die fehlerhaften Voraussagen.
Wichtigkeitsmatrix
Die Wichtigkeitsmatrix zeigt, wie wichtig jede Datenpunktvariable für das Prognosemodell ist. Die Wichtigkeitsmatrix definiert, wie wichtig eine Variable (ein Datenpunkt) ist, um einen Zustand zu prognostizieren. Zustand bedeutet einen gekennzeichneten Zustand wie 1-OK, 2 - Check power supply usw. (siehe Abbildung unterhalb). Dadurch definiert die Wichtigkeitsmatrix, wie wichtig eine Variable für das Vorhersagemodell ist.
In der Abbildung unterhalb sehen Sie, dass die Variable "Antrieb 1 Spannung" die wichtigste Variable ist, um die Zustände "1-OK, "3-Check load" und "4-Check ambient temperature" vorauszusagen und die Variable "PT Antrieb Spannung" die wichtigste ist, um den Zustand "2-Check mechanical conditions" vorauszusagen.
OOB-Fehlerrate
Die Fehlerrate definiert den voraussichtlichen Prozentsatz von Elementen, die nicht korrekt klassifiziert werden können. Das ist der Prozentsatz der Datenpunktelemente, die für das Vorhersagemodell selektiert wurden.
Klassifikationstest
Vorhersage
Sie können Werte in die Tabellenspalten eingeben und voraussagen, welche Klassifizierungen (Labels) für diese Werte berechnet würden. Die verfügbaren Labels hier sind 1- OK, 2 - Check power supply, 3 - Check mechanical conditions und 4- check load.
Resultat
Das "Resultat" zeigt welche Klassifizierungen für diese Werte berechnet würden.
