解释分类树的准确性度量我想知道我得到的错误分类率是否可以接受。Whare范围被认为可以接受？如何将此速率与混淆矩阵结果相关联？本质上，我试图评估和解释我的结果。另外，我怎么知道我得到的Lift Curve是否也可以接受？是否有可以被视为可接受或良好的范围？
Re：解释分类树的准确度你好，
你的问题没有一个答案。您提出的问题将取决于您的具体情况。 例如，将营销错误分类率与医疗错误分类率进行比较。这两个领域可以接受的是非常不同的。此外，在某些应用程序中，整体错误分类率可能是关键指标，而在其他情况下，您可能会在混淆矩阵结果的一部分中更加令人失望。 例如，考虑医学，对负面主题进行误分类的风险通常不同于对正面主体进行错误分类的风险（提供不需要的治疗与不提供所需治疗的治疗）。 您必须记录您的统计数据并将其置于问题的上下文中，然后进行解释。
