Hinweis
Dieser Befehl ist mit dem Predictive Analytics-Modul. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.
Wählen Sie die gewünschte Methode oder Formel aus.
Wichtige Prädiktoren
Die Anzahl der Prädiktoren mit positiver relativer Wichtigkeit.
Ein TreeNet®
Regression-Modell stammt aus einer Sequenz von kleinen Regressionsbäumen, die verallgemeinerte Residuen als Antwortvariable verwenden. Die Berechnung der Modellverbesserungswerts für einen Prädiktor aus einem einzelnen Baum erfolgt in zwei Schritten:
- Ermitteln Sie die Reduzierung der mittleren quadrierten Fehler, wenn der Prädiktor einen Knoten aufteilt.
- Fügen Sie alle Reduzierungen von allen Knoten hinzu, bei denen der Prädiktor der Knotenteiler ist.
Dann entspricht der Wichtigkeitswert für den Prädiktor der Summe der Modellverbesserungswerte für alle Bäume.
R-Quadrat
R2 wird auch als Determinationskoeffizient bezeichnet.
Wurzel des mittleren quadrierten Fehlers (RMSE)
Mittlerer quadrierter Fehler (MSE)
Mittlere absolute Abweichung (MAD)
Mittlerer absoluter prozentualer Fehler (MAPE)
Notation
| Begriff | Beschreibung |
|---|---|
| yi |  beobachteter Wert der Antwortvariablen |
 | Mittelwert der Antwortvariablen |
 |  angepasste Antwortvariable |
| N | Anzahl der Zeilen |
