Support für Minitab® 

Wählen Sie ein alternatives Modell für Bestes Modell ermitteln (stetige Antwort)

Weitere Informationen zu Minitab
Führen Sie Predictive Analytics-Modul > Automatisiertes maschinelles Lernen > Bestes Modell ermitteln (stetige Antwort). Klicken Sie auf die Schaltfläche Auswählen eines alternativen Modells nach der Tabelle mit der Modellauswahl.
Hinweis

Dieser Befehl ist mit Predictive Analytics-Modul verfügbar. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.

Wenn Sie den Bestes Modell ermitteln (stetige Antwort) besten Modelltyp ermitteln, erzeugt die Minitab Statistical Software Ergebnisse für das Modell mit dem besten Wert des Genauigkeitskriteriums für die Analyse, z. B. den maximalen R2. Mit Minitab können Sie Ergebnisse für andere Modelle und andere Modelltypen anzeigen. 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 Typ des Modells ab. Bei multiplen Regressions- und CART-Modellen® können Sie die Ergebnisse für das beste Modell aus der Suche untersuchen. Für Random Forests®-, TreeNet®- und MARS-Modelle® können Sie die Ergebnisse aller Modelle in der Suche untersuchen. Für Random Forests®-, TreeNet-® und MARS-Modelle® können Sie die Hyperparameter auch so anpassen, dass sie nach Kombinationen suchen, die noch bessere Werte als die Hyperparameter in der Suche ergeben.

Random Forests®

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.

Vorhandenes Modell auswählen

Auf der Suche nach dem besten Modelltyp erzeugt die Analyse bis zu 3 Random Forest-Modelle® mit unterschiedlichen Mindestgrößen für interne Knoten. Wählen Sie ein Modell aus der Liste aus, und klicken Sie Anzeigen der Ergebnisse , um Ergebnisse für dieses Modell zu erzeugen.

Hyperparameter zum Anpassen von neuen Modellen angeben

Die Analyse erfordert, dass Sie die ersten 3 Hyperparameter angeben. Die Einbeziehung einer Bootstrap-Stichprobengröße, die kleiner als die Trainingsdatengröße ist, ist optional. Klicken Sie hier 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, z. B. dem MaximumR2, vergleicht.
Anzahl der Prädiktoren für die Knotenteilung
Geben Sie 1 bis 3 Anzahl von Prädiktoren an, die für jede Knotenaufteilung berücksichtigt werden sollen. In der Regel funktioniert die Analyse gut, wenn Sie die Quadratwurzel der Gesamtzahl der Prädiktoren berücksichtigen. Einige Datensätze weisen jedoch Assoziationen unter den Prädiktoren auf, die zu einer besseren Leistung des Modells führen, wenn bei der Analyse für jeden Knoten eine größere oder kleinere Anzahl Prädiktoren berücksichtigt wird.
Minimale Anzahl der Fälle zum Teilen eines internen Knotens
Geben Sie 1 bis 3 Mindestanzahl von Fällen ein, die ein Knoten haben kann, und teilen Sie sie dennoch in mehrere Knoten auf. Standardmäßig enthält die ursprüngliche Suche die Zahlen 2, 5 und 8.
Anzahl der Bootstrap-Stichproben zum Aufbauen der Bäume
Geben Sie einen Wert ein, um die Anzahl der Bootstrap-Stichproben und die Anzahl der durch die Analyse erzeugten Bäume zu bestimmen. Geben Sie einen Wert zwischen 3 und 3000 ein.
Bootstrap-Stichprobenumfang kleiner als der Trainingsdatenumfang angeben
Wählen Sie diese Option aus, um einen Wert einzugeben, der den Umfang der Bootstrap-Stichprobe festlegt. Sie müssen einen Wert größer oder gleich 5 eingeben. Wenn Sie einen Umfang eingeben, der den Umfang des Trainingsdatensatzes übersteigt, verwendet Minitab einen Stichprobenumfang, die gleich dem Umfang des Trainingsdatensatzes ist.

TreeNet®

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.

Vorhandenes Modell auswählen

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 Anzeigen der Ergebnisse , um Ergebnisse für dieses Modell zu erzeugen.

Hyperparameter zum Anpassen von neuen Modellen angeben

Für die Analyse müssen Sie alle Hyperparameter angeben. Klicken Sie hier 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. das Maximum R2.

Trainingsrate
Geben Sie bis zu 10 Werte ein. Geeignete Werte liegen zwischen 0,0001 und 1.
Fraktion für Teilstichprobe
Geben Sie bis zu 10 Werte ein. Geeignete Werte sind größer als 0 und kleiner oder gleich 1.
Maximale Anzahl von Endknoten pro Baum und Maximale Baumtiefe
Wählen Sie, ob die Maximale Anzahl von Endknoten pro Baum oder die Maximale Baumtiefe ausgewertet werden sollen. In der Regel ist jede Wahl eine vernünftige Möglichkeit, ein nützliches Modell zu identifizieren, so dass die Auswahl nur von individuellen Vorlieben abhängt.
Maximale Anzahl von Endknoten
Geben Sie bis zu 3 Werte ein. Geeignete Werte liegen zwischen 2 und 2000. Bei einem Wert von 2 werden die Wechselwirkungen nicht untersucht.
Maximale Baumtiefe
Geben Sie bis zu 3 Werte ein. Geeignete Werte liegen zwischen 2 und 1000 ein, um die maximale Tiefe eines Baums darzustellen. Der Wurzelknoten entspricht einer Tiefe von 1. In vielen Anwendungen ergeben Tiefen von 4 bis 6 ausreichend gute Modelle.
Anzahl der Prädiktoren für die Knotenteilung
Geben Sie bis zu 3 Werte ein. Zulässige Werte liegen zwischen 1 und der Gesamtzahl der Prädiktoren. Normalerweise funktioniert die Analyse gut, wenn Sie die Gesamtzahl der Prädiktoren berücksichtigen. Einige Datensätze weisen jedoch Zuordnungen zwischen den Prädiktoren auf, die zu einer verbesserten Modellleistung führen, wenn die Analyse eine kleinere Anzahl von Prädiktoren für jeden Knoten berücksichtigt.
Anzahl der Bäume
Geben Sie einen Wert zwischen 1 und 5000 ein, um die maximale Anzahl der zu erstellenden Bäume anzugeben. Der Standardwert 300 liefert in der Regel nützliche Ergebnisse für die Auswertung der Hyperparameterwerte.
Wenn ein oder mehrere der als relevant erachteten Modelle über eine Anzahl von Bäumen verfügen, die in der Nähe der von Ihnen angegebenen Anzahl von Bäumen liegt, sollten Sie überlegen, ob Sie die Anzahl der Bäume erhöhen wollen. Wenn die Anzahl der Bäume näher an der maximalen Anzahl liegt, ist die Wahrscheinlichkeit größer, dass eine Erhöhung der Anzahl der Bäume die Leistung des Modells verbessert.

MARS®

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.

Vorhandenes Modell auswählen

Bei der Suche nach dem besten Modelltyp erzeugt die Analyse ein MARS-Modell® mit jeder Anzahl von Basisfunktionen in der Suche. Wählen Sie ein Modell aus der Liste aus, und klicken Sie Anzeigen der Ergebnisse , um Ergebnisse für dieses Modell zu erzeugen.

Hyperparameter zum Anpassen von neuen Modellen angeben

Klicken Sie hier Anzeigen der Ergebnisse , um die Parameter für die neuen Modelle auszuwerten. Die Ergebnisse umfassen die Modellergebnisse für das Modell mit dem besten Wert des Optimalitätskriteriums, z. B. das Maximum R2.
Maximale Anzahl von Basisfunktionen
In den meisten Fällen funktioniert der Standardwert 30 gut. Ziehen Sie einen größeren Wert in Betracht, wenn 30 Basisfunktionen für die Daten zu klein erscheinen. Betrachten Sie beispielsweise einen größeren Wert, wenn Sie der Meinung sind, dass mehr als 30 Prädiktoren wichtig sind.
Wenn Sie sich nicht sicher sind, ob 30 ausreichen, überprüfen Sie die ersten Ergebnisse. Beispielsweise ist es wahrscheinlicher, dass ein größerer Wert die Anpassung des Modells verbessert, wenn der R-Quadrat-Wert nach oben tendiert, wenn die Analyse Basisfunktionen hinzufügt.
Minimale Anzahl von Beobachtungen zwischen Knoten
MARS® die Wahl erlauben
Die Analyse verwendet Stichprobenumfang und Modellkomplexität, um automatisch einen Wert auszuwählen. Der automatische Wert funktioniert in den meisten Fällen gut.
Benutzerdefiniertes λ
Der Wert 1 gibt an, dass aufeinanderfolgende Datenpunkte Punkte sein können, bei denen sich die Basisfunktion ändert. Der Wert 1 ermöglicht die schnellsten Änderungen in den Modellvorhersagen. Verwenden Sie größere Werte, um glattere Modelle zu erstellen und allgemeinere Beziehungen zu untersuchen. Solche glatteren Modelle sind manchmal über bestimmte Datenbereiche hinweg weniger genau.
Zulässige Prädiktorinteraktionen

Lassen Sie Prädiktorinteraktionen in der von Ihnen angegebenen Reihenfolge zu. Eine Wechselwirkung bedeutet, dass die Wirkung eines Prädiktors vom Wert anderer Prädiktoren abhängt. Zum Beispiel hängt die Geschwindigkeit, mit der Getreide in einem Ofen trocknet, von der Zeit im Ofen ab, aber die Wirkung der Zeit hängt von der Temperatur des Ofens ab. Die Zeit- und Temperaturvariablen interagieren.

Keine Wechselwirkungen zulassen (additives Modell)
Keine Prädiktor-Wechselwirkungen sind zulässig. In diesem Fall verwendet Minitab das additive Modell, bei dem die Basisfunktionen nicht interagieren.
Alle Wechselwirkungen bis zur Ordnung 2 zulassen
Order gibt die Anzahl der verschiedenen Prädiktoren an, die in einer Basisfunktion enthalten sein können. Beispielsweise gibt eine Ordnung von 2 an, dass die Wirkung eines Prädiktors vom Wert von 1 anderen Prädiktor abhängen kann. Die folgenden Basisfunktionen sind ein Beispiel für ein Zusammenspiel der Ordnung 2:
  • BF1 = max(0, X1 − 800)
  • BF2 = max(0, X2 − 50) * BF1

Multiple Regression

Wählen Sie aus, und klicken Sie hier Anzeigen der Ergebnisse , um die Ergebnisse für das beste multiple Regressionsmodell aus Ergebnisse für Modell der multiplen Regression der Suche nach dem besten Modelltyp zu erhalten.

CART®

Wählen Sie aus, und klicken Sie hier Anzeigen der Ergebnisse , um die Ergebnisse für das beste CART-Modell® aus Ergebnisse für CART®-Modell der Suche nach dem besten Modelltyp zu erhalten.

Copyright © 2024 Minitab, LLC. All rights Reserved.