评分函数是所选模型可用的「得分」类型，如目标的预测值、预测值的概率、所选目标值的概率。

评分函数类型

• 预测值：目标结果的预测值；
• 预测值的概率：以比例表示的正确值；
• 所选值的概率：从 「 值」列中的下拉列表选择一个值，可用值由模型定义。
• 置信：与分类目标的预测值关联的概率测量，对于二元 Logistic  回归 、多项 Logistic 回归和朴素贝叶斯模型，其结果与预测值的概率相同，对于树和 Ruleset 模型，结果始终比预测值的概率小；
• 节点编号：树模型的预测终端节点编号；
• 标准误差：预测值的标准误差；
• 累积风险：估计累积风险函数，该值指示了在给定预测变量值的前提下，在指定时间或该时间之前观察到事件的概率。
• 最近邻元素：最近邻元素的 ID，属于个案标签变量的值；
• 第 K 个最近邻元素：第 K 个最近邻元素的 ID，在「值」列中输入一个整数作为 k 值，属于个案标签变量的值；
• 到最近邻元素的距离：根据不同模型，将使用 Euclidean 或城市街区距离；
• 到第 K 个最近邻元素的距离：「值」列中输入一个整数作为 k 值，根据不同模型，将使用 Euclidean 或城市街区距离。

评分函数的分类

• 贝叶斯评分函数
• 基于信息论的评分函数