Dieser Befehl ist mit Predictive Analytics-Modul verfügbar. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.
Ein Forscherteam erfasst und veröffentlicht detaillierte Informationen zu Faktoren, die Herzerkrankungen beeinflussen. Variablen sind Alter, Geschlecht, Cholesterinspiegel, Maximalpuls und viele weitere. Dieses Beispiel basiert auf einem öffentlichen Datensatz, der detaillierte Informationen über Herzerkrankungen liefert. Die Originaldaten stammen von der Website archive.ics.uci.edu.
Der Forscher kann das Klassifikationsbaummodell mit Gradient Boosting verwenden, um die Klassenwahrscheinlichkeiten der Antwortvariablen für neue Beobachtungen zu prognostizieren.
In diesem Beispiel wird das Dataset von Anpassen des Modells verwendet, aber die Vorhersage ist auch verfügbar, wenn Sie es zum Erstellen des Modells verwenden Ermitteln von wichtigen Prädiktoren.
| Alter | 35 | 35 | |
| Rest Blutdruck | 140 | 140 | |
| Cholesterin | 233 | 233 | |
| Max Herzfrequenz | 150 | 165 | |
| Old Peak | 2,3 | 2,3 | |
| Sex | Männlich | Weiblich | |
| Brust Schmerz Typ | 2 | 1 | |
| Fasten Blutzucker | Wahr | Wahr | |
| Rest-EKG | 0 | 1 | |
| Übung Angina | |||
| Steigung | 1 | 3 | |
| Hauptblutgefäße | 0 | 2 | |
| Thal | Normal | Normal |
Minitab verwendet die Klassifikationsbäume mit Gradient Boosting in den Ergebnissen, um die Klassenwahrscheinlichkeit des Herzerkrankungsereignisses für die Gruppe von Prognosewerten zu schätzen. Die Forscher stellen fest, dass die Wahrscheinlichkeit eines Herzerkrankungsereignisses bei den angegebenen Einstellungen etwa 0,15 für die erste Gruppe und 0,43 für die zweite Gruppe beträgt.