Seleccione las opciones para mostrar Cart® Clasificación

Estadísticas > Análisis predictivo  > CART® Clasificación > Opciones

Seleccione las opciones de análisis.

Método de división de nodos
Elija el método de división para generar el árbol de decisión. Puede comparar los resultados de varios métodos de división para determinar la mejor opción para la aplicación.
  • Gini: El método Gini es el método predeterminado. El método Gini funciona bien en muchas aplicaciones. El método Gini generalmente genera árboles que incluyen pequeños nodos con una alta concentración de la respuesta de interés.
  • Entropía: El método Entropy es proporcional al máximo de ciertas funciones de probabilidad para el nodo.
  • Twoing: El método Twoing solo está disponible con una respuesta multinomial. El método Twoing generalmente genera divisiones más equilibradas que los métodos Gini o Entropy. Para una respuesta binaria, el método Twoing es el mismo que el método Gini.
  • Probabilidad de clase: El árbol de probabilidad tiende a ser más grande que el árbol Gini. Utilice el método de probabilidad cuando esté interesado en el rendimiento de algunos nodos principales.
Criterio para seleccionar un árbol óptimo
Elija entre los siguientes criterios para seleccionar el árbol en los resultados. Puede comparar los resultados de diferentes árboles para determinar la mejor opción para su aplicación.
  • Costo mín.: Seleccione esta opción para mostrar los resultados del árbol que minimiza el coste de clasificación incorrecta.
  • Dentro de K errores estándar del costo mínimo de clasificación errónea; K =: Seleccione esta opción para visualizar los resultados del árbol más pequeño con un coste de clasificación incorrecta dentro de los errores estándar K del coste de clasificación errónea mínimo. De forma predeterminada, K-1, por lo que los resultados son para el árbol más pequeño con un coste de clasificación incorrecta dentro de 1 error estándar del árbol con el coste mínimo de clasificación errónea.
Número de sustitutos para un predictor con valores faltantes
Ingrese el número de sustitutos que Minitab busca cuando un predictor tiene valores que faltan. Cuando muchos predictores tienen patrones de valor faltantes similares, debe aumentar el número de sustitutos.
Este número representa el número máximo de sustitutos que Minitab busca; sin embargo, este número de sustitutos puede no ser encontrado realmente.
El valor predeterminado es 10.
Número mínimo de casos para dividir un nodo interno
Introduzca el número mínimo de casos que un nodo puede tener y aún se divida en más nodos. 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 intenta realizar una división. Si el nodo interno tiene 9 casos o menos, Minitab no intenta 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 el número mínimo de casos que pueden estar 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 realiza una división.
El valor predeterminado es 3.
Profundidad máxima del árbol
Introduzca un valor para representar la profundidad máxima de un árbol. El nodo raíz corresponde a una profundidad de 1. Si desea estar seguro de obtener el mejor árbol, debe permitir un árbol más profundo, aunque puede ralentizar el procesamiento.
Ponderaciones
Escriba una columna que contenga los pesos de mayúsculas y minúsculas. La columna de respuestas debe tener el mismo número de filas que las columnas de factores. Los valores deben ser 0. Minitab omite filas que contienen valores o ceros que faltan del análisis.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política