IC & rankIC

最新推荐文章于 2025-04-28 11:48:17 发布

steven~~~

最新推荐文章于 2025-04-28 11:48:17 发布

阅读量1k

点赞数 9

文章标签：学习

本文链接：https://blog.csdn.net/qq_37837061/article/details/141388832

版权

IC

IC衡量的是预测值和实际值之间的相关系数
计算公式为：IC = Pearson(R(predicted),R(actual))
取值范围：[-1, 1]，其中1表示完全相关，也就是预测值和实际值完全一样。0表示完全不相关，-1表示，反向相关

rankIC衡量的是，预测值排名和实际值排名的相关系数
什么叫预测值排名和实际值排名：
在这里插入图片描述

计算公式：IC = Pearson(R(predicted),R(actual))
取值范围：[-1, 1]
为什么在创建了IC之后又出现了rankIC，有什么特殊含义：

Rank IC：使用排名数据来计算相关性，这种方法对异常值和极端值的影响较小。因为排名过程会将数据转换为相对位置，即使某些数据点的实际值极端，排名也不会受到过多影响。
Rank IC：更适合处理非正态分布的数据。排名操作减少了数据分布的影响，使得模型评估更为稳健。
Rank IC：更适合处理非正态分布的数据。排名操作减少了数据分布的影响，使得模型评估更为稳健。