Überlegungen zu Daten für Anpassen des Modells und Ermitteln von wichtigen Prädiktoren mit TreeNet^® Regression

Um die Gültigkeit Ihrer Ergebnisse sicherzustellen, befolgen Sie beim Erfassen von Daten, beim Durchführen der Analyse und beim Interpretieren der Ergebnisse die folgenden Richtlinien.

Die Antwortvariable sollte stetig sein

Eine stetige Variable kann gemessen und geordnet werden, und sie kann zwischen zwei beliebigen Werten eine unendliche Anzahl von Werten annehmen. Die Durchmesser einer Stichprobe von Reifen sind beispielsweise eine stetige Variable.

Die Daten für die Antwortvariable müssen numerische Werte sein.

Wenn Ihre Antwortvariable kategorial ist, verwenden Sie Anpassen des Modells oder Ermitteln von wichtigen Prädiktoren für TreeNet^®-Klassifikation.

Prädiktorvariablen können stetig oder kategorial sein

Sie können eine Kombination aus stetigen oder kategorialen Prädiktoren verwenden. Die Länge der Spalten für jeden Prädiktor muss jedoch der Länge der Spalte der Antwortvariablen entsprechen. Fehlende Werte sind zulässig.

• Alle stetigen Prädiktoren müssen numerisch sein.
• Kategoriale Prädiktoren können Textwerte oder numerische Werte sein.

Bei mehr als 2000 Fällen wird ein Testdatensatz empfohlen

Standardmäßig verwendet Minitab die Kreuzvalidierung, wenn die Anzahl der Fälle ≤ 2000 ist. Liegen mehr als 2000 Fälle vor, verwendet Minitab einen Testdatensatz. Normalerweise ist die Kreuzvalidierung eine bessere Validierungsmethode, erfordert jedoch mehr Zeit für die Berechnung der Ergebnisse. Die Validierung mit einem Testdatensatz ist nützlich, wenn die Kreuzvalidierungsmethode zu zeitaufwändig ist.

Weitere Informationen zu den Einstellungen für Validierungsmethoden in Anpassen des Modells und Ermitteln von wichtigen Prädiktoren finden Sie unter Angeben der Validierungsmethode für Anpassen des Modells und Ermitteln von wichtigen Prädiktoren mit TreeNet® Regression.