Wählen Sie ein alternatives Modell aus mit Ermitteln von wichtigen Prädiktoren TreeNet^®-Klassifikation

Wenn Sie mit Ermitteln von wichtigen Prädiktoren die unwichtigsten Prädiktoren entfernen, erstellt Minitab Statistical Software Ergebnisse für das Modell mit dem besten Wert des Genauigkeitskriteriums für die Analyse, z. B. der minimalen durchschnittlichen –Log-Likelihood. Mit Minitab können Sie andere Modelle aus der Sequenz erkunden, die zur Identifizierung des optimalen Modells geführt hat. Im Allgemeinen wählen Sie ein alternatives Modell aus, wenn ein anderes Modell einen Wert des Kriteriums aufweist, der in der Nähe des besten liegt, jedoch weniger Prädiktoren hat. Ein Modell mit weniger Prädiktoren ist einfacher zu interpretieren, kann eine bessere Prognosegenauigkeit aufweisen und ermöglicht es Ihnen, mit einer kleineren Anzahl von Prädiktoren zu arbeiten.

Die folgende Modellauswahltabelle besteht beispielsweise aus 13 Schritten. Das Modell mit dem geringsten Durchschnitt –Log-Likelihood ist das Modell mit allen Prädiktoren. Das Modell in Schritt 11 weist eine durchschnittliche –Log-Likelihood auf, die relativ nahe am besten Wert liegt. Das Modell bei Schritt 11 weist 3 Prädiktoren auf. Interessant sind auch die vollständigen Ergebnisse des Modells in Schritt 11.

Klicken Sie in der Ausgabe auf Auswählen eines alternativen Modells. Es wird ein Dialogfeld geöffnet, das das Diagramm des Kriteriums vs. Anzahl der eliminierten Prädiktoren und eine Tabelle anzeigt, welche die Schritte zusammenfasst.

Zur Auswahl eines alternativen Modells klicken Sie auf einen Punkt im Diagramm oder auf eine Zeile in der Tabelle. Drücken Sie die Anzeigen der Ergebnisse-Taste , um die Ergebnisse für dieses Modell zu erstellen.

Sobald die Ergebnisse angezeigt werden, können Sie auf eine Schaltfläche in der Ausgabe klicken, um die Hyperparameter des Modells abzustimmen oder um Prognosen aus dem Modell zu treffen. Weitere Informationen finden Sie unter Auswählen der auswertenden Hyperparameterwerte für Anpassen des Modells und Ermitteln von wichtigen Prädiktoren mit TreeNet®-Klassifikation oder Prognostizieren von neuen Ergebnissen für Anpassen des Modells und Ermitteln von wichtigen Prädiktoren mit TreeNet®-Klassifikation.