比较模型

将构建模型块，并将其放入画布和窗口右上角的“模型”选用板中。您可以浏览此模型块，或者以多种其他方式对其进行保存或部署。

打开模型块；它将列出在运行期间创建的每个模型的详细信息。（对于在大型数据集中估算数百个模型的实际情况，这可能会花费数小时的时间。）

如果需要进一步探索任何单独的模型，可在模型列中双击此模型块图标，以向下浏览至单独模型结果，您可以从中生成建模节点、模型块或评估图表。

缺省情况下，由于您在“自动数值”节点中选择了相关性度量，因此模型将根据此度量进行排序。出于排序目的，将使用相关性的绝对值，值越接近于 1 表示关系越强。在本度量中，广义线性模型的排序最佳，但是还有几个模型也近乎准确。除此之外，广义线性模型还具有最低的相对错误。

通过单击列标题或从工具栏上的排序方式列表中选择所需的测量，您可以对不同的列进行排序。

每个图形都显示了相对于模型预测值的观察值图，从而可以快速直观地表示模型之间的相关性。对一个好的模型来说，所有的点都应聚集在对角线附近，在本例中所有模型都是如此。

在图形列中，可以双击缩略图生成标准大小的图形。

基于这些结果，您可以决定使用所有这三个最准确的模型。通过结合多个模型的预测，可以避免单个模型的局限性，从而使总体准确性更高。

在使用?列中，确保选中了所有三个模型。

在模型块后面附加一个“分析”节点（“输出”选用板）。右键单击分析节点，然后选择运行以运行流。

由整体模型生成的平均评分会添加到名为 $XR-taxable_value 且相关性为 0.922 的字段中，该相关性值高于三个单独模型中的这些相关性值。该整体节点还显示了较低的平均绝对误差，因此与任何单独模型相比，在应用到其他数据集时，执行效果可能会更好。