Especifique la configuración predeterminada para los árboles de regresión

Archivo > Opciones > Análisis predictivo  > CART® Regresión

Especifique los métodos predeterminados para los árboles de regresión. Los cambios que haga en los valores predeterminados se mantendrán vigentes hasta que los cambie de nuevo, incluso después de salir de Minitab.

Método de división de nodos
Elija el método de división para generar el árbol de decisión. Puede comparar los resultados de ambos métodos de división para determinar la mejor opción para la aplicación.
  • : El método de error menos cuadrado es el método predeterminado que funciona bien en muchas aplicaciones. El método de error menos al cuadrado minimiza la suma de los errores al cuadrado.
  • : El método de desviación absoluta menor minimiza la suma de los valores absolutos de los errores.
Criterio para seleccionar un árbol óptimo
Cuando es el criterio para el método de división de nodo, elija entre estos criterios para producir el árbol en los resultados. Puede comparar los resultados de diferentes árboles para determinar la mejor opción para su aplicación.
R-cuadrado máximo
Seleccione esta opción para mostrar los resultados del árbol con el valor R cuadrado máximo.
Dentro de K errores estándar del R-cuadrado máximo; K =
Seleccione esta opción para que Minitab elija el árbol más pequeño con un valor R2 que se encuentre dentro de los errores estándar K del árbol con el valor R2 máximo. De forma predeterminada, K1, por lo que el árbol de los resultados es el árbol de clasificación más pequeño con un valor R2 dentro de 1 error estándar del valor R2 máximo.
Cuando se selecciona como método de división de nodo, elija entre estos criterios para seleccionar el árbol en los resultados. Puede comparar los resultados de diferentes árboles para determinar la mejor opción para su aplicación.
Desviación absoluta media mínima
Seleccione esta opción para mostrar los resultados del árbol con la desviación absoluta media menor.
Dentro de K errores estándar de la desviación absoluta media mínima; K =
Select this option to have Minitab choose a tree with a mean absolute deviation value that falls within K standard errors of the tree with the least mean absolute deviation value. De forma predeterminada, K1, por lo que el árbol de los resultados es el árbol de clásicación más pequeño con un valor de desviación absoluta media dentro de 1 error estándar del valor mínimo de desviación absoluta mínima mínima.
Número mínimo de casos para dividir un nodo interno
Introduzca un valor para representar el número mínimo de casos que se dividirá un nodo interno. El valor predeterminado es 10. Con tamaños de muestra más grandes, es posible que desee aumentar este mínimo. Por ejemplo, si un nodo interno tiene 10 o más casos, Minitab intentará realizar una división. Si el nodo interno tiene 9 casos o menos, Minitab no intentará realizar una división.
El límite de nodo interno debe ser al menos el doble del límite del nodo terminal, pero las relaciones más grandes son mejores. Los límites de nodo interno de al menos 3 veces los límites de nodo terminal permiten un número razonable de divisores.
El valor predeterminado es 10.
Número mínimo de casos permitidos para un nodo terminal
Introduzca un valor para representar el número mínimo de casos que se pueden separar en un nodo de terminal. El valor predeterminado es 3. Con tamaños de muestra más grandes, es posible que desee aumentar este mínimo. Por ejemplo, si una división crearía un nodo con menos de 3 casos, Minitab no realizará una división.
El valor predeterminado es 3.
Falta penalización de valor
Introduzca un valor de penalización para un predictor con valores que faltan. Debido a que es más fácil ser un buen divisor con menos datos, los predictores con datos que faltan tienen una ventaja sobre los predictores sin falta de datos. Utilice esta opción para penalizar a los predictores con datos que faltan.
0,0 - K a 2,0, por ejemplo:
  • K á 0: no especifica ninguna penalización.
  • K á 2: especifica la penalización más alta.
Penalización por categoría de alto nivel
Introduzca un valor de penalización para los predictores categóricos que tienen muchos valores. Debido a que los predictores categóricos con muchos niveles pueden distorsionar un árbol debido a su mayor poder de división, tienen una ventaja sobre los predictores con menos niveles. Utilice esta opción para penalizar los predictores con muchos niveles.
0,0 - K a 5,0, por ejemplo:
  • K á 0: no especifica ninguna penalización.
  • K - 5: Especifica la penalización más alta.
Visualización de gráficos y tablas
Residuos para las gráficas
Especifique el tipo de residuos que se mostrarán en la gráfica de caja de las gráficas residuales.
  • : De forma predeterminada, la gráfica de caja muestra los residuos regulares.
  • : Especifique para mostrar el porcentaje de residuos en la gráfica de caja.
Tipo de nodo terminal
Elija si desea mostrar los mejores nodos, los nodos peores o ambos para la tabla Ajustes y estadísticas de errores y la tabla Criterios para clasificar temas.
  • : Por opción predeterminada, Minitab muestra los mejores nodos de terminal. Los mejores nodos tienen los valores más bajos MSE o MAD.
  • : Seleccione esta opción para mostrar los peores nodos de terminal. Los nodos peores tienen los valores más altos MSE o MAD.
  • : Seleccione esta opción para mostrar los mejores y peores nodos de terminal.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política