Hinweis
Dieser Befehl ist mit Predictive Analytics-Modul verfügbar. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.
Ein Random Forests®-Modell ist ein Ansatz zur Lösung von Klassifizierungs- und Regressionsproblemen. Der Ansatz ist sowohl genauer als auch robuster für Änderungen in Prädiktorvariablen als ein einzelner Klassifizierungs- oder Regressionsbaum. Eine grobe, allgemeine Beschreibung des Prozesses ist, dass die Minitab Statistical Software einen einzelnen Baum aus einer Bootstrap-Stichprobe erstellt. Minitab wählt nach dem Zufallsprinzip eine kleinere Anzahl von Prädiktoren aus der Gesamtzahl der Prädiktoren aus, um den besten Teiler an jedem Knoten zu bewerten. Minitab wiederholt diesen Vorgang, um viele Bäume zu erhalten. Im Regressionsfall ist die Prognose aus dem Modell der Durchschnitt der Prognosen aus allen einzelnen Bäumen.
Um einen Regressionsbaum zu erstellen, verwendet der Algorithmus das „Kleinste Quadrate“-Kriterium, um die Verunreinigung von Knoten zu messen. Für die Desktopanwendung wächst jede Struktur, bis ein Knoten nicht mehr geteilt werden kann oder ein Knoten die Mindestanzahl von Fällen erreicht, um einen internen Knoten aufzuteilen. Die minimale Anzahl von Fällen ist eine Option für die Analyse. Für die Web-App fügt die Analyse die Einschränkung hinzu, dass jeder Baum ein Limit von 4.000 Endknoten hat. Weitere Einzelheiten zum Aufbau eines Regressionsbaums finden Sie unter Knotenteilungsmethoden in CART® Regression. Einzelheiten, die spezifisch für Random Forests® sind, folgen.
Bootstrap-Stichproben
Zum Erstellen der einzelnen Bäume wählt der Algorithmus eine zufällige Stichprobe mit Zurücklegen (Bootstrap-Beispiel) aus dem vollständigen Datensatz aus. Normalerweise ist jedes Bootstrap-Beispiel anders und kann eine andere Anzahl eindeutiger Zeilen aus dem ursprüngliche Datensatz enthalten. Wenn Sie nur die Validierung von außerhalb des Segments verwenden, ist die Standardgröße der Bootstrap-Stichprobe die Größe des ursprünglichen Datensatzes. Wenn Sie das Beispiel in einen Trainingsdatensatz und einen Testdatensatz unterteilen, entspricht die Standardgröße der Bootstrap-Stichprobe der Größe des Trainingsdatensatzes. In beiden Fällen haben Sie die Möglichkeit anzugeben, dass die Bootstrap-Stichprobe kleiner als die Standardgröße ist. Im Durchschnitt enthält eine Bootstrap-Stichprobe etwa 2/3 der Datenzeilen. Die eindeutigen Datenzeilen, die sich nicht in der Bootstrap-Stichprobe befinden, sind die Daten von außerhalb des Segments für die Validierung.
Zufällige Auswahl von Prädiktoren
An jedem Knoten in der Struktur wählt der Algorithmus nach dem Zufallsprinzip eine Teilmenge der Gesamtzahl der Prädiktoren aus, 
, um sie als Teiler zu bewerten. Standardmäßig wählt der Algorithmus 
Prädiktoren zur Bewertung an jedem Knoten. Sie haben die Möglichkeit, eine andere Anzahl von Prädiktoren für die Bewertung auszuwählen, von 1 bis 
. Wenn Sie 
Prädiktoren wählen, dann wertet der Algorithmus jeden Prädiktor an jedem Knoten aus, was zu einer Analyse mit dem Namen „Bootstrap-Wald“ führt.
In einer Analyse, die eine Teilmenge von Prädiktoren an jedem Knoten verwendet, sind die ausgewerteten Prädiktoren in der Regel an jedem Knoten unterschiedlich. Durch die Auswertung verschiedener Prädiktoren sind die Bäume im Wald weniger miteinander korreliert. Die weniger korrelierten Bäume erzeugen einen langsamen Lerneffekt, sodass sich die Prognosen verbessern, wenn Sie mehr Bäume erstellen.
Validierung mit Daten von außerhalb des Segments
Die eindeutigen Datenzeilen, die nicht Teil des Baumerstellungsprozesses für einen bestimmten Baum sind, sind die Daten von außerhalb des Segments. Berechnungen für die Messung der Modellleistung verwenden die Daten von außerhalb des Segments. Weitere Informationen finden Sie unter Methoden und Formeln für die Zusammenfassung des Modells in Random Forests® Regression.
Für einen bestimmten Baum im Wald erfolgt eine Prognose für eine Zeile in den Daten von außerhalb des Segments aus dem einzelnen Baum. Die Prognose für eine Zeile in den Daten von außerhalb des Segments ist der Durchschnitt der Prognosen der einzelnen Bäume.
Prognose für eine Zeile im Trainingsdatensatz
Jeder Baum im Wald liefert für jede Zeile im Trainingsdatensatz eine individuelle Prognose. Der prognostizierte Wert für eine Zeile im Trainingssatz ist der Durchschnitt der prognostizierten Werte von allen Bäumen im Wald.
