Beispiel für die Prognose mit TreeNet®-Klassifikation

Hinweis

Dieser Befehl ist mit dem Add-On-Modul „Prädiktive Analysen“ verfügbar. Klicken Sie hier, um Informationen zum Aktivieren des Moduls zu erhalten.

Ein Forscherteam erfasst und veröffentlicht detaillierte Informationen zu Faktoren, die Herzerkrankungen beeinflussen. Variablen sind Alter, Geschlecht, Cholesterinspiegel, Maximalpuls und viele weitere. Dieses Beispiel basiert auf einem öffentlichen Datensatz, der detaillierte Informationen über Herzerkrankungen liefert. Die Originaldaten stammen von der Website archive.ics.uci.edu.

Der Forscher kann den Klassifikationsbaum mit Gradient Boosting verwenden, um die Klassenwahrscheinlichkeiten der Antwortvariablen für neue Beobachtungen mit großer Genauigkeit zu prognostizieren.

  1. Arbeiten Sie das Beispiel für Anpassen des Modells mit TreeNet®-Klassifikation durch.
  2. Klicken Sie auf die Schaltfläche Prognostizieren am unteren Rand der Ergebnisse.
  3. Wählen Sie in der Dropdown-Liste die Option Einzelwerte eingeben aus.
  4. Geben Sie die folgenden Werte ein. In diesem Beispiel werden zwei Werte für jeden Prädiktor verwendet, Sie können jedoch bis zu drei Werte verwenden. Es ist wichtig, dass Sie Werte auswählen, die sich im Bereich der Originaldaten befinden.
    Alter 35 35  
    Rest Blutdruck 140 140  
    Cholesterin 233 233  
    Max Herzfrequenz 150 165  
    Old Peak 2,3 2,3  
    Sex Männlich Weiblich  
    Brust Schmerz Typ 2 1  
    Fasten Blutzucker Wahr Wahr  
    Rest-EKG 0 1  
    Übung Angina      
    Steigung 1 3  
    Hauptblutgefäße 0 2  
    Thal Normal Normal  
  5. Klicken Sie auf OK.

Interpretieren der Ergebnisse

Minitab verwendet die Klassifikationsbäume mit Gradient Boosting in den Ergebnissen, um die Klassenwahrscheinlichkeit des Herzerkrankungsereignisses für die Gruppe von Prognosewerten zu schätzen. Die Forscher stellen fest, dass die Wahrscheinlichkeit eines Herzerkrankungsereignisses bei den angegebenen Einstellungen etwa 0,185 für die erste Gruppe und 0,55 für die zweite Gruppe beträgt.

TreeNet® Klassifikation: Herzkrankhei vs Alter; Rest Blutdru; Cholesterin; ...

Zusammenfassung des Modells Prädiktoren gesamt 13 Wichtige Prädiktoren 13 Anzahl der aufgebauten Bäume 500 Optimale Anzahl von Bäumen 351 Statistiken Schulungen Test Durchschnittliche -Log-Likelihood 0,2341 0,3865 Fläche unter der ROC-Kurve 0,9825 0,9089 95%-KI (0,9706; 0,9945) (0,8757; 0,9421) Lift 2,1799 2,1087 Fehlklassifizierungsrate 0,0759 0,1750
Hyperparameter anpassen, um ein besseres Modell... Ein Prädiktor Partielle Abhängigkeitsdiagramme

Weitere Prädiktoren für Diagramm auswählen...

Zwei Predictor PartI-Abhängigkeitsdiagramme

Weitere Prädiktoren für Diagramm auswählen...

Prognostizieren... TreeNet®-Klassifikation Prognostizieren

Prognose für Herzkrankheiten

Einstellungen Alter = 35; Rest Blutdruck = 140; Cholesterin = 233; Max Herzfrequenz = 150; Old Peak = 2,3; Sex = Männlich; Brust Schmerz Typ = 2; Fasten Blutzucker = Wahr; Rest-EKG = 0; Übung Angina = ""; Steigung = 1; Hauptblutgefäße = 0; Thal = Normalen
Prognose Warsch. Warsch. (Klasse (Klasse Beob Klasse = Yes) = No) 1 No 0,145216 0,854784

Prognose für Herzkrankheiten

Einstellungen Alter = 35; Rest Blutdruck = 140; Cholesterin = 233; Max Herzfrequenz = 165; Old Peak = 2,3; Sex = Weiblich; Brust Schmerz Typ = 1; Fasten Blutzucker = Wahr; Rest-EKG = 1; Übung Angina = ""; Steigung = 3; Hauptblutgefäße = 2; Thal = Normalen
Prognose Warsch. Warsch. (Klasse (Klasse Beob Klasse = Yes) = No) 2 No 0,426671 0,573329
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