Angeben der Standardeinstellungen für Regressionsstrukturen

Datei > Optionen > Prädiktive Analysen > CART® Regression

Geben Sie die Standardmethoden für Regressionsstrukturen an. Die an den Standardeinstellungen vorgenommenen Änderungen bleiben auch nach dem Beenden von Minitab in Kraft, bis Sie sie wieder ändern.

Knotenteilungsmethode
Wählen Sie die Aufteilungsmethode aus, um die Entscheidungsstruktur zu generieren. Sie können die Ergebnisse beider Splittingmethoden vergleichen, um die beste Auswahl für Ihre Anwendung zu ermitteln.
  • : Die am wenigsten quadrierte Fehlermethode ist die Standardmethode, die in vielen Anwendungen gut funktioniert. Die am wenigsten quadrierte Fehlermethode minimiert die Summe der quadrierten Fehler.
  • : Die Methode der geringsten absoluten Abweichung minimiert die Summe der absoluten Fehlerwerte.
Kriterium für Auswahl des optimalen Baums
Wann ist das Kriterium für die Knotenaufteilungsmethode, wählen Sie zwischen diesen Kriterien, um die Struktur in den Ergebnissen zu erzeugen. Sie können Ergebnisse aus verschiedenen Bäumen vergleichen, um die beste Wahl für Ihre Anwendung zu ermitteln.
Maximales R-Quadrat
Wählen Sie diese Option aus, um Ergebnisse für den Baum mit dem maximalen R-Quadrat-Wert anzuzeigen.
Innerhalb von K Standardfehlern des maximalen R-Quadrat; K =
Wählen Sie diese Option aus, damit Minitab die kleinste Struktur mit einem R2-Wert auswählt, der unter K-Standardfehler der Struktur mit dem maximalen R2-Wert fällt. Standardmäßig K=1, sodass die Struktur in den Ergebnissen die kleinste Klassifizierungsstruktur mit einem R2-Wert innerhalb von 1 Standardfehler des maximalen R2-Werts ist.
Wenn als Knotenaufteilungsmethode ausgewählt, wählen Sie zwischen diesen Kriterien aus, um die Struktur in den Ergebnissen auszuwählen. Sie können die Ergebnisse aus verschiedenen Bäumen vergleichen, um die beste Wahl für Ihre Anwendung zu ermitteln.
Geringste mittlere absolute Abweichung
Wählen Sie diese Option aus, um die Ergebnisse für die Struktur mit der geringsten absoluten Mittelabweichung anzuzeigen.
Innerhalb von K Standardfehlern der geringsten mittleren absoluten Abweichung; K =
Select this option to have Minitab choose a tree with a mean absolute deviation value that falls within K standard errors of the tree with the least mean absolute deviation value. Standardmäßig K=1, sodass der Baum in den Ergebnissen der kleinste Klassifizierungsbaum mit einem mittleren absoluten Abweichungswert innerhalb von 1 Standardfehler des minimalen absoluten Abweichungswerts ist.
Minimale Anzahl der Fälle zum Teilen eines internen Knotens
Geben Sie einen Wert ein, um die minimale Anzahl von Fällen darzustellen, die ein interner Knoten aufteilen soll. Der Standardwert ist 10. Bei größeren Stichprobengrößen können Sie dieses Minimum erhöhen. Wenn ein interner Knoten beispielsweise 10 oder mehr Fälle hat, versucht Minitab, eine Aufteilung durchzuführen. Wenn der interne Knoten über 9 oder weniger Fälle verfügt, versucht Minitab nicht, eine Aufteilung durchzuführen.
Die interne Knotengrenze muss mindestens das Doppelte der Terminalknotengrenze betragen, größere Verhältnisse sind jedoch besser. Interne Knotenlimits von mindestens 3-fachen Terminalknotenlimits ermöglichen eine angemessene Anzahl von Splittern.
Der Standardwert ist 10. Bei den Befehlen für die logistische Regression berechnet Minitab Schätzwerte der Maximum-Likelihood über einen iterativen Prozess.
Minimal zulässige Anzahl der Fälle für einen Endknoten
Geben Sie einen Wert ein, um die minimale Anzahl von Anfragen darzustellen, die in einen Terminalknoten getrennt werden können. Der Standardwert ist 3. Bei größeren Stichprobengrößen können Sie dieses Minimum erhöhen. Wenn z. B. eine Teilung einen Knoten mit weniger als 3 Fällen erstellen würde, führt Minitab keine Teilung durch.
Der Standardwert ist 3. Bei den Befehlen für die logistische Regression berechnet Minitab Schätzwerte der Maximum-Likelihood über einen iterativen Prozess.
Fehlende Wertstrafe
Geben Sie einen Strafwert für einen Prädiktor mit fehlenden Werten ein. Da es einfacher ist, ein guter Splitter mit weniger Daten zu sein, haben Prädiktoren mit fehlenden Daten einen Vorteil gegenüber Prädiktoren ohne fehlende Daten. Verwenden Sie diese Option, um Prädiktoren mit fehlenden Daten zu bestrafen.
z. B. 0,0 x K bei 2,0:
  • K = 0: Gibt keine Strafe an.
  • K = 2: Gibt die höchste Strafe an.
Hohe Kategorie Strafe
Geben Sie einen Strafwert für kategoriale Prädiktoren mit vielen Werten ein. Da kategoriale Prädiktoren mit vielen Ebenen einen Baum aufgrund ihrer erhöhten Spaltleistung verzerren können, haben sie einen Vorteil gegenüber Prädiktoren mit weniger Ebenen. Verwenden Sie diese Option, um Prädiktoren mit vielen Ebenen zu bestrafen.
z. B. 0,0 x K bei 5,0:
  • K = 0: Gibt keine Strafe an.
  • K = 5: Gibt die höchste Strafe an.
Anzeige von Grafiken und Tabellen
Residuen für Diagramme
Geben Sie den Typ der Residuen an, die im Boxplot der Residuendiagramme angezeigt werden sollen.
  • : Standardmäßig zeigt das Boxplot regelmäßige Residuen an.
  • : Geben Sie an, dass die prozentualen Residuen auf dem Boxplot angezeigt werden sollen.
Endknotentyp
Wählen Sie aus, ob die besten Knoten, die schlechtesten Knoten oder sowohl für die Tabelle "Anpassungen" und "Fehlerstatistik" als auch für die Tabelle Kriterien für die Klassifizierung von Themen angezeigt werden sollen.
  • : Standardmäßig zeigt Minitab die besten Terminalknoten an. Die besten Knoten haben die niedrigsten MSE- oder MAD-Werte.
  • : Wählen Sie diese Option aus, um die schlechtesten Klemmenknoten anzuzeigen. Die schlechtesten Knoten haben die höchsten MSE- oder MAD-Werte.
  • : Wählen Sie diese Option aus, um die besten und schlechtesten Klemmenknoten anzuzeigen.
Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien