R-Quadrat vs. Anzahl der Basisfunktionen Plot

Hinweis

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

Das Diagramm R-Quadrat vs. Anzahl der Basisfunktionen^zeigt R2-Werte auf der y-Achse und die Anzahl der Basisfunktionen auf der x-Achse an. Das R² gibt an, ob das Modell gut passend ist. Wenn die Analyse eine Validierungsmethode verwendet, enthält das Diagramm eine Zeile für die Validierungsergebnisse. Nutzen Sie die Validierungsergebnisse, um die Leistung des Modells zu bewerten und neue Beobachtungen vorherzusagen. Vergleichen Sie die Trainingsergebnisse und die Validierungsergebnisse, um zu sehen, ob es Überanpassungsprobleme mit dem Modell für den Trainingsdatensatz gibt.

Der größte x-Wert für einen Punkt zeigt, dass diese Analyse 20 Basisfunktionen auswertet. Die optimale Anzahl der Basisfunktionen beträgt 13. Der^R2-Wert für die Testdaten, wenn die Anzahl der Basisfunktionen 13 beträgt, beträgt ca. 87,61%.

Wenn die absolute Abweichungsverlustfunktion das optimale Modell bestimmt, enthalten die Ergebnisse stattdessen das MAD-vs. Diagramm der Anzahl der Basisfunktionen.

Interpretation

Ein höherer R²-Wert deutet auf ein besseres Modell hin. Die Referenzlinie gibt den optimalen R²-Wert für die Validierungsergebnisse sowie die Anzahl der Basisfunktionen im Modell an. Wenn die Validierungskurve auf ein unzureichendes Modell hinweist, sollten Sie überlegen, ob die Analyse mit alternativen Einstellungen erneut versucht werden sollte, wie etwa bei der Suche nach weiteren Basisfunktionen.