1.概述
1.1 应用场景
二分类性能评估的应用场景主要包括需要比较模型的整体性能，或者当测试数据中正负样本的分布随时间而变化时。在这些情况下，通过使用特定的评估指标，如ROC曲线和AUC值，可以有效地评价和比较二分类模型的性能。
1.2 功能介绍
二分类模型性能评估是分析二分类算法在验证集上的性能指标。
输入：模型应用节点输出的数据集。
输出：性能指标（类别、准确率、召回率、F1-score、支持样本量）、ROC曲线。
➢注意：
【正例标签】要存在于目标列中。
2.配置方法
2.1拖入节点
将二分类性能评估节点添加到二分类实验模型后，可通过右侧的“配置项目”页面，对二分类性能评估节点进行设置。
2.2参数列表
【正例标签】请填写None或者目标列中的正例标签（整数或者文本型）。
【性能指标保留位数】参数值为正数时，保留小数点后的位数，参数值为负数时，保留小数点前的位数。请选择大于1的整数。
2.3选择变量
真实值：请选择真实值字段，数据要求：真实值仅能选择一列。
预测值：请选择预测值字段，数据要求：预测值仅能选择一列。
预测概率：请选择正例（类别编号为1）的预测概率字段，数据要求：预测概率仅能选择一列。
选择数据页面操作见节点 >选择数据。
3.查看结果
可通过连接多视图节点查看结果或连接表格视图来查看性能指标（准确率、召回率、F1-score）。连接图片视图来查看ROC曲线。
其中准确率、召回率、F1-score的取值范围为[0,1]，当数值越接近1说明模型表现越好。
