Angeben der Optionen für Zielgrößenoptimierung

Zielgrößenoptimierung > Optionen für das Statistik oder Zielgrößenoptimierung > Nebenbedingungen für das Predictive Analytics-Modul

In diesem Thema

Berücksichtigen Sie fehlende Werte bei der Optimierung
Nebenbedingungen
Startwerte
Konfidenzniveau für alle Intervalle
Typ des Konfidenzintervalls

Berücksichtigen Sie fehlende Werte bei der Optimierung

Diese Option ist für die folgenden Modelltypen aus dem Predictive Analytics-Modul verfügbar.

MARS^®
Random Forests^®
TreeNet^®

Wählen Sie diese Option so, dass die Suche Lösungen mit fehlenden Werten enthält. Fehlende Werte sind für Prädiktoren möglich, die während des Modellbaus im Trainingsdatensatz fehlende Werte hatten. Betrachten Sie diese Option, wenn eine Lösung mit fehlenden Werten für Ihre Anwendung sinnvoll ist. Wenn zum Beispiel fehlende Werte Werte unterhalb eines nachweisbaren Schwellenwerts für eine kontinuierliche Variable darstellen, besteht eine Interpretation eines fehlenden Wertes in der Lösung darin, diesen Prädiktor in der Anwendung zu minimieren.

Wenn Sie diese Option wählen, können Bei fehlendem Wert halten Sie als Constraint für Prädiktoren auswählen, die in den Trainingsdaten fehlende Werte haben. Wähle Bei fehlendem Wert halten für einen Prädiktor, sodass der Prädiktor in allen Lösungen immer fehlt. Ohne , versucht der Algorithmus nur dann Fehlwerte für einen Prädiktor, wenn der Prädiktor fehlende Werte in den Trainingsdaten hat und die Analyse spezifiziert Bei fehlendem Wert halten Berücksichtigen Sie fehlende Werte bei der Optimierung.

Nebenbedingungen

Sie können kontinuierliche und kategoriale Variablen auf einem bestimmten Wert halten oder den Bereich möglicher Werte begrenzen.

Hinweis

Kovariaten in einem faktoriellen Versuchsplan müssen auf einem bestimmten Wert gehalten werden. In der Standardeinstellung setzt Minitab den Wert auf den Mittelwert der Kovariate. Kovariaten in einem allgemeinen linearen Modell können entweder unbeschränkt oder beschränkt sein.

Variable: Zeigt alle in einem Modell enthaltenen Variablen an. In dieser Spalte können keine Eingaben vorgenommen werden.
Nebenbedingung: Wählen Sie für jede Variable Keine Nebenbedingungen, Bei Wert halten, oder Auf Bereich einschränken. Kovariaten in einem allgemeinen linearen Modell haben die zusätzliche Option von Bei Mittelwert halten. Wenn die Analyse fehlende Werte zulässt und der Prädiktor fehlende Werte in den Trainingsdaten aufweist, ist die Bei fehlendem Wert halten Option verfügbar.
Haltewert: Geben Sie für jede Variable Bei Wert halten, für die Sie festgelegt haben, einen Wert ein, auf dem die Variable gehalten werden soll. Minitab verwendet diesen Wert für die Variableneinstellung zum Berechnen der angepassten Werte.
Untergrenze: Geben Sie für jede Variable, die Sie angegeben haben Auf Bereich einschränken, einen Mindestwert ein. Minitab wählt einen Wert aus, der größer oder gleich diesem Wert ist.
Obergrenze: Geben Sie für jede Variable, die Sie angegeben haben Auf Bereich einschränken, einen Maximalwert ein. Minitab wählt einen Wert aus, der kleiner oder gleich diesem Wert ist.

Startwerte

Wenn der Algorithmus zu inakzeptablen Ergebnissen führt, können Sie versuchen, einen Startpunkt für den Suchalgorithmus einzugeben, um bessere Ergebnisse zu erhalten. Diese Option ist für Modelle aus dem Statistik Menü und Modelle aus Lineare Regression und Binäre logistische Regression aus dem verfügbar Predictive Analytics-Modul.

Variable: Zeigt alle stetigen Variablen an, die in einem angepassten Modell enthalten sind. In dieser Spalte können keine Eingaben vorgenommen werden.
Startwert: Geben Sie einen Wert für jede stetige Variable ein. Jeder Wert muss zwischen dem minimalen und dem maximal beobachteten Wert für diese Variable liegen. Wenn Sie für eine Variable eine Nebenbedingung eingeben, muss der Startwert diese Nebenbedingung erfüllen. Wenn Sie einen Haltewert für eine Variable angeben, können Sie keinen Startwert eingeben.

Konfidenzniveau für alle Intervalle

Diese Option ist für Modelle aus dem Statistik Menü und für Modelle mit linearer Regression und binärer logistischer Regression aus der verfügbar Predictive Analytics-Modul.

Geben Sie das Konfidenzniveau für die Konfidenzintervalle für die Koeffizienten und die angepassten Werte ein.

In der Regel ist ein Konfidenzniveau von 95 % gut geeignet. Ein Konfidenzniveau von 95 % gibt an, dass, wenn Sie 100 Zufallsstichproben aus der Grundgesamtheit entnommen haben, die Konfidenzintervalle für etwa 95 der Stichproben die mittlere Antwortvariablen enthalten würden. Für einen bestimmten Datensatz erzeugt ein niedrigeres Konfidenzniveau ein schmaleres Intervall, während mit einem höheren Konfidenzniveau ein breiteres Intervall erzielt wird.

Hinweis

Um die Konfidenzintervalle anzuzeigen, wählen Sie Ergebnisse. Wählen Sie unter Darstellung der Ergebnisse die Option Erweiterte Tabellen aus.

Typ des Konfidenzintervalls

Diese Option ist für Modelle aus dem Statistik Menü und für Modelle mit linearer Regression und binärer logistischer Regression aus der verfügbar Predictive Analytics-Modul.

Sie können ein beidseitiges Intervall oder eine einseitige Grenze auswählen. Bei gleichem Konfidenzniveau liegt eine einseitige Grenze näher an der Punktschätzung als die Grenzen eines zweiseitigen Intervalls. Die Obergrenze liefert keinen wahrscheinlichen unteren Wert. Wenn Sie eine Obergrenze anfordern, gibt es keine Untergrenze. Wenn Sie eine Untergrenze anfordern, gibt es keine Obergrenze.

Zum Beispiel beträgt die vorhergesagte mittlere Konzentration von gelösten Feststoffen in Wasser 13,2 mg/L. Das 95%-Konfidenzintervall für den Mittelwert mehrerer zukünftiger Beobachtungen liegt bei 12,8 mg/l bis 13,6 mg/l. Die Obergrenze von 95 % für den Mittelwert mehrerer zukünftiger Beobachtungen liegt bei 13,5 mg/L, was präziser ist, da die Grenze näher am vorhergesagten Mittelwert liegt.

Beidseitig

Verwenden Sie ein zweiseitiges Konfidenzintervall, um sowohl die wahrscheinlichen unteren als auch die oberen Werte für die mittlere Antwortvariablen zu schätzen.
Verwenden Sie ein zweiseitiges Vorhersageintervall, um sowohl die wahrscheinlichen unteren als auch die oberen Werte für eine einzelne zukünftige Beobachtung zu schätzen.

Untergrenze

Verwenden Sie eine untere Konfidenzgrenze, um einen wahrscheinlich niedrigeren Wert für die mittlere Antwortvariablen zu schätzen.
Verwenden Sie eine niedrigere Vorhersagegrenze, um einen wahrscheinlich niedrigeren Wert für eine einzelne zukünftige Beobachtung zu schätzen.

Obergrenze

Verwenden Sie eine obere Konfidenzgrenze, um einen wahrscheinlich höheren Wert für die mittlere Antwortvariablen zu schätzen.
Verwenden Sie eine obere Vorhersagegrenze, um einen wahrscheinlich höheren Wert für eine einzelne zukünftige Beobachtung zu schätzen.