是什么启发了这份愿望清单请求？ JMP 是一款出色的数据探索工具，可帮助快速构建预测模型原型，以查看进一步推动分析和建模是否有附加价值。
查看分类主题的“总体统计数据”面板，我发现可能缺少机器学习/数据科学领域经常使用的一些性能指标。
以下是当前显示的分类主题的指标（来自引导森林的示例）：
您希望看到哪些改进？我希望看到显示分类的常用性能指标，例如敏感性、特异性、精确度、准确度、F1 分数、马修斯相关系数...
也许直接位于混淆矩阵之下？
以下是在线计算器中用于分类主题的可能指标，并附有公式说明：混淆矩阵 - 在线计算器（onlineconfusionmatrix.com）
为什么这个想法很重要？由于 JMP 试图通过在一个平台上集成来自这两种建模思维的多个模型来弥合统计学和机器学习领域之间的差距，因此将机器学习性能指标集成到分类模型的结果中也是有意义的，以便将所有信息放在同一个地方，并能够使用同一种通用语言。
