Beispiel für eine Prognose mit Random Forests® Regression

Hinweis

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

Ein Forscherteam sammelt Daten aus dem Verkauf einzelner Wohnimmobilien in Ames im US-Bundesstaat Iowa. Die Forscher wollen die Variablen identifizieren, die den Verkaufspreis beeinflussen. Zu den Variablen gehören die Grundstücksgröße und verschiedene Merkmale der Wohnimmobilie.

  1. Arbeiten Sie das Beispiel für Random Forests® Regression durch.
  2. Öffnen Sie die Beispieldaten Ames_Gehause_Vorhersagen.MTW.
  3. Stellen Sie sicher, dass das Arbeitsblatt, das die Vorhersagedaten enthält, aktiv ist, und klicken Sie auf die Prognostizieren Schaltfläche am unteren Rand der Ergebnisse.
  4. Wählen Sie in der Dropdown-Liste die Option Spalten mit Werten eingeben aus.
  5. Geben Sie die folgenden Werte ein:
    Losfront Losfront
    Losbereich Losbereich
    Veneer-Bereich Veneer-Bereich
    Kellerbereich 1 Kellerbereich 1
    Kellerbereich 2 Kellerbereich 2
    Keller unvollendete Fläche Keller unvollendete Fläche
    Gesamtkellerfläche Gesamtkellerfläche
    1. Stock 1. Stock
    2. Stock 2. Stock
    Niedrigqualitätsgebiet Niedrigqualitätsgebiet
    Wohnbereich Wohnbereich
    Garagenbereich Garagenbereich
    Holzdeckfläche Holzdeckfläche
    offener Verandabereich offener Verandabereich
    geschlossene Veranda geschlossene Veranda
    Saisonveranda Saisonveranda
    Bildschirmveranda Bildschirmveranda
    Poolbereich Poolbereich
    Verschiedener Wert Verschiedener Wert
    Jahr gebaut Jahr gebaut
    Jahr umgebaut Jahr umgebaut
    Anzahl der Keller-Badezimmer Anzahl der Keller-Badezimmer
    Anzahl der Kellerhalbbäder Anzahl der Kellerhalbbäder
    Anzahl der Badezimmer Anzahl der Badezimmer
    Anzahl der halben Badezimmer Anzahl der halben Badezimmer
    Anzahl der Schlafzimmer Anzahl der Schlafzimmer
    Anzahl der Küchen Anzahl der Küchen
    Gesamtzimmer Gesamtzimmer
    Anzahl der Kamine Anzahl der Kamine
    Garagenjahr Garagenjahr
    Garagenautos Garagenautos
    Monat verkauft Monat verkauft
    Jahr verkauft Jahr verkauft
    Typ Typ
    Zone Zone
    Straße Straße
    Alley Alley
    Losform Losform
    Landflachheit Landflachheit
    Stadtwerke Stadtwerke
    Konfiguration Konfiguration
    Slope-Stil Slope-Stil
    Nachbarschaft Nachbarschaft
    Bedingung 1 Bedingung 1
    Bedingung 2 Bedingung 2
    Qualität Qualität
    Bedingung Bedingung
    Dachstil Dachstil
    Dachmaterial Dachmaterial
    Außentyp 1 Außentyp 1
    Außentyp 2 Außentyp 2
    Veneer-Typ Veneer-Typ
    Außenqualität Außenqualität
    Äußerer Zustand Äußerer Zustand
    Gründungstyp Gründungstyp
    Kellerhöhe Kellerhöhe
    Kellerzustand Kellerzustand
    Kellerzugang Kellerzugang
    Kellerfinish Typ 1 Kellerfinish Typ 1
    Kellerfinish Typ 2 Kellerfinish Typ 2
    Heizart Heizart
    Heizqualität Heizqualität
    Zentrale Luft Zentrale Luft
    elektrischer Typ elektrischer Typ
    Küchenqualität Küchenqualität
    Funktion Funktion
    Kaminqualität Kaminqualität
    Garagentyp Garagentyp
    Garage-Finish Garage-Finish
    Garagequalität Garagequalität
    Garagenzustand Garagenzustand
    gepflasterter Antrieb gepflasterter Antrieb
    Poolqualität Poolqualität
    Zaun Zaun
    misc-Funktion misc-Funktion
    Verkaufstyp Verkaufstyp
    Verkaufsbedingung Verkaufsbedingung
  6. Klicken Sie auf OK.

Interpretieren der Ergebnisse

Minitab verwendet die Random Forest-Regressionsbäume in den Ergebnissen, um die Anpassung für einen Satz von Prognosewerten zu schätzen. Die Forscher finden die prognostizierten Verkaufspreise für verschiedene Einstellungen der Prädiktoren.
Anpassung
224796
88291
522279
480260
216826
112932
137328
190311
229939
229610
362637
174576
238485
256864