概述
用于展示各个模型的分析结果、不同算法模型的对比分析，并导出评估报告，报告内容包括模型数据、参数、特征变量、特征重要性、评估指标等。
功能入口
1、在工具栏中点击 模型对比 按钮，打开评估报告配置页面。
2、勾选需要生成评估报告的算法。
当一个实验中同时存在两种以上不同的算法时，算法会分组显示。同一个组内，算法个数较多的组会排在较前位置。
3、点击 确定 按钮，打开模型对比界面。
模型对比页面主要包括模型对比，及各个算法的模型报告详情。
模型对比
用于不同算法模型之间的对比分析。
- 上一指标/下一指标：切换指标；
- 柱图：查看不同模型的各个指标对比情况。
- 模型对比表格：查看模型详细的指标数值。
点击左侧TAB页签或模型对比表格中的模型列，可跳转到指定模型的详情页面。
模型报告详情
各个分类算法所对应的评估报告不同，主要分为以下三种类型的报告：
分类评估报告
选择分类评估算法，这里以“随机森林”为例。
报告主要展示了以下内容：
- 分类算法可以显示的指标有：准确率、精确率、召回率、F1分数、特征重要程度、特征系数（线性回归和逻辑回归）、算法元数据、混淆矩阵、ROC曲线、KS曲线、树图（决策树算法）。
- 多分类模型不显示混淆矩阵、ROC曲线、KS曲线、树图。
回归评估报告
选择回归算法，这里以“梯度提升回归树”为例。
报告主要展示了以下内容：
- 回归报告中显示的指标包括：特征重要程度、特征系数、算法超参数、回归算法指标。
- 梯度提升回归树没有特征系数指标。
聚类评估报告
选择聚类算法，这里以“K均值”算法为例。
报告主要展示了以下内容：
- 样本的各个聚类的个数、特征（不展示标签列）。
- 存在模型的超参数信息和聚类的指标。
- 各个聚类中心的坐标。
导出
在模型详情页面，点击右上角的 导出 按钮，可将报告保存为PDF文件。
