Dieser Befehl ist mit dem Predictive Analytics-Modul verfügbar. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.
Wenn Sie Bestes Modell ermitteln (binäre Antwort) verwenden, um den besten Modelltyp zu identifizieren, erstellt Minitab Statistical Software Ergebnisse für das Modell mit dem besten Wert des Genauigkeitskriteriums für die Analyse, z. B. der minimalen durchschnittlichen –Log-Likelihood. Mit Minitab können Sie Ergebnisse für andere Modelle und andere Modelltypen untersuchen. Wenn beispielsweise ein anderer Modelltyp eine ähnliche Vorhersagegenauigkeit erzeugt, können Sie bestimmen, ob dieselben Prädiktoren in jedem Modelltyp wichtig sind.
Die verfügbaren Optionen hängen vom Modelltyp ab. Für CART® und binäre logistische Regressionsmodelle können Sie die Ergebnisse für das beste Modell aus der Suche untersuchen. Für Random Forests® und TreeNet®-Modelle können Sie die Ergebnisse eines der Modelle in der Suche untersuchen. Für Random Forests® und TreeNet®-Modelle können Sie auch die Hyperparameter optimieren, um nach Kombinationen zu suchen, die noch bessere Werte als die Hyperparameter in der Suche erzeugen.
Wählen Sie ein vorhandenes Modell aus, um Ergebnisse für eines der Modelle aus der Suche zu erhalten. Geben Sie Hyperparameter an, um neue Modelle anzupassen, um nach Kombinationen von Hyperparametern zu suchen, die die Leistung des Modells verbessern.
Bei der Suche nach dem besten Modelltyp erzeugt die Analyse bis zu 3 Random Forests®-Modelle mit unterschiedlichen Mindestgrößen für interne Knoten. Wählen Sie ein Modell aus der Liste aus, und klicken Sie auf Anzeigen der Ergebnisse, um Ergebnisse für dieses Modell zu erzeugen.
Für die Analyse müssen Sie die ersten 3 Hyperparameter angeben. Die Angabe eines Bootstrap-Stichprobenumfangs, der kleiner als der Trainingsdatenumfang ist, ist optional. Klicken Sie auf Anzeigen der Ergebnisse, um die Hyperparameter für die neuen Modelle auszuwerten. Die Ergebnisse enthalten eine Tabelle, die die Optimalitätskriterien für die verschiedenen Kombinationen von Hyperparametern und die Modellergebnisse für das Modell mit dem besten Wert des Optimalitätskriteriums vergleicht, z. B. dem minimalen Durchschnitt –loglikelihood.
Wählen Sie ein vorhandenes Modell aus, um Ergebnisse für eines der Modelle aus der Suche zu erhalten. Geben Sie Hyperparameter an, um neue Modelle anzupassen, um nach Kombinationen von Hyperparametern zu suchen, die die Leistung des Modells verbessern.
Bei der Suche nach dem besten Modelltyp erzeugt die Analyse ein TreeNet®-Modell für jede Kombination von Hyperparametern. Wählen Sie ein Modell aus der Liste aus, und klicken Sie auf Anzeigen der Ergebnisse, um Ergebnisse für dieses Modell zu erzeugen.
Für die Analyse müssen Sie alle Hyperparameter angeben. Klicken Sie auf Anzeigen der Ergebnisse, um die Hyperparameter für die neuen Modelle auszuwerten. Die Ergebnisse enthalten eine Tabelle, die die Optimalitätskriterien für die verschiedenen Kombinationen von Hyperparametern und die Ergebnisse für das Modell mit dem besten Wert des Genauigkeitskriteriums für die Analyse vergleicht, z. B. den minimalen Durchschnittswert –loglikelihood.
Wählen Sie Ergebnisse für Modell der logistischen Regression aus, und klicken Sie auf Anzeigen der Ergebnisse, um die Ergebnisse für das beste binäre logistische Regressionsmodell aus der Suche nach dem besten Modelltyp zu erhalten.
Wählen Sie Ergebnisse für CART®-Modell aus, und klicken Sie auf Anzeigen der Ergebnisse, um die Ergebnisse für das beste CART®-Modell aus der Suche nach dem besten Modelltyp zu erhalten.