<< Click to Display Table of Contents >> 当前位置:  制作可视化报告 > 数据解释  使用数据解释解释数据 复制链接 回到主页

❖解释分类型指标的关键因素

 

   导致客户评分为low的关键因素,此示例中客户评分和客户原始评分是有线性关系的，每当客户原始评分减少2.56,评分为Low的可能性平均增加Infinity倍，此影响者包含24.41%的数据。

 

 

   导致客户评分为low的关键因素,此示例中的客户有三个角色：使用者、管理员和发布者。 consumer是导致低评级的实际具有业务意义的首要因素。

 

 

   更准确地说，consumer给服务留下负面评分的可能性是 2.31 倍。 关键因素图表先在左侧列表中列出“在组织中的角色是consumer”。

   选择“在组织中的角色是consumer”后，YonghongBI会在右侧窗格中显示其他详细信息。 会显示各角色在导致低评级上的影响的比较分析。

   1.29.94% 的consumer给出低分。

   2.平均来看，13% 的所有其他角色给出了低分。

   3.与其他角色相比，consumer给出低分的可能性高出 2.31 倍。 可以通过用蓝色条数据除以黑色虚线数据来确定。

 

❖解释连续型指标的关键因素

 

   关注“影响sepal_length提高的因素”，随着petal_length增加，sepal_length也随之增加。

   当petal_length增加1.76时，sepal_length的平均值增加0.95个单位，此影响者包含100%的数据。

   右侧的横轴代表petal_length,纵轴代表sepal_length的平均值。

 

 

❖解释最佳组合

 

   显示sepal_length平均高于整体数据的组合，组合1为petal_length>4.25的所有样本数据，组合1中，sepal_length平均值为6.47,整体的平均值为5.84，高0.62个单位。在组合1中，包含了78个样本点，占整体的52%。