Angeben der Standardeinstellungen für TreeNet^®-Klassifikation

Datei > Optionen > Prädiktive Analysen > TreeNet®-Klassifikation

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

Kriterium für Auswahl der optimalen Anzahl von Bäumen mit binärer Antwort

Wählen Sie die Methode zum Generieren des optimalen Modells aus. Sie können die Ergebnisse aus mehreren Methoden vergleichen, um die beste Option für Ihre Anwendung zu ermitteln.

Maximale Log-Likelihood: Die Maximum-Likelihood-Methode ermittelt das Maximum der Wahrscheinlichkeitsfunktionen für die Daten.
Maximale Fläche unterhalb der ROC-Kurve: Die Methode der maximalen Fläche unter der ROC-Kurve funktioniert gut für viele Anwendungen. Die Fläche unter der ROC-Kurve misst, wie gut das Modell Zeilen vom wahrscheinlichsten Eintreten eines Ereignisses bis zum unwahrscheinlichsten Eintreten eines Ereignisses einordnet. Diese Option ist bei einer binären Antwortvariablen verfügbar.
Minimale Fehlklassifikationsquote: Wählen Sie diese Option aus, um die Ergebnisse für das Modell mit der kleinsten Fehlklassifizierungsrate anzuzeigen. Die Fehlklassifizierungsrate basiert auf einer einfachen Zählung, wie oft das Modell einen Fall richtig oder falsch prognostiziert.

Kriterium für Auswahl der optimalen Anzahl von Bäumen mit multinomialer Antwort

Wählen Sie die Methode zum Generieren des optimalen Modells aus. Sie können die Ergebnisse aus mehreren Methoden vergleichen, um die beste Option für Ihre Anwendung zu ermitteln.

Minimale Fehlklassifikationsquote: Wählen Sie diese Option aus, um die Ergebnisse für das Modell mit der kleinsten Fehlklassifizierungsrate anzuzeigen. Die Fehlklassifizierungsrate basiert auf einer einfachen Zählung, wie oft das Modell einen Fall richtig oder falsch prognostiziert.
Maximale Log-Likelihood: Die Maximum-Likelihood-Methode ermittelt das Maximum der Wahrscheinlichkeitsfunktionen für die Daten.

Maximale Anzahl von Endknoten pro Baum und Maximale Baumtiefe

Sie können auch die Größe der Bäume einschränken. Wählen Sie eine der folgenden Optionen aus, um die Größe der Bäume zu begrenzen.

Maximale Anzahl von Endknoten pro Baum: Geben Sie einen Wert zwischen 2 und 2000 ein, um die maximale Anzahl von Endknoten in einem Baum anzugeben. Normalerweise bietet 6 eine gute Balance zwischen der Berechnungsgeschwindigkeit und der Untersuchung von Wechselwirkungen zwischen Variablen. Bei einem Wert von 2 werden die Wechselwirkungen nicht untersucht.
Maximale Baumtiefe: Geben Sie einen Wert zwischen 2 und 1000 ein, um die maximale Tiefe eines Baums anzugeben. Der Wurzelknoten entspricht einer Tiefe von 1. In vielen Anwendungen ergeben Tiefen von 4 bis 6 ausreichend gute Modelle.

Strafe für fehlenden Wert

Geben Sie einen Strafwert für einen Prädiktor mit fehlenden Werten ein. Da es einfacher ist, mit weniger Daten ein guter Teiler 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.

0,0 ≤ K ≤ 2,0, z. B.:

K = 0: Gibt keine Strafe an.
K = 2: Gibt die höchste Strafe an.

Strafe für Kategorie auf hoher Stufe

Geben Sie einen Strafwert für kategoriale Prädiktoren mit vielen Werten ein. Da kategoriale Prädiktoren mit vielen Stufen einen Baum aufgrund ihrer erhöhten Aufspaltungsleistung verzerren können, haben sie einen Vorteil gegenüber Prädiktoren mit weniger Stufen. Verwenden Sie diese Option, um Prädiktoren mit vielen Stufen bestrafen.

0,0 ≤ K ≤ 5,0, z. B.:

K = 0: Gibt keine Strafe an.
K = 5: Gibt die höchste Strafe an.

Angeben der Standardeinstellungen für TreeNet®-Klassifikation

Angeben der Standardeinstellungen für TreeNet^®-Klassifikation