Seleccionar las gráficas que se mostrarán para Ajustar modelo y Descubrir predictores clave con Clasificación TreeNet®

Módulo de análisis predictivo > Clasificación TreeNet® > Ajustar modelo > Gráficas

Módulo de análisis predictivo > Clasificación TreeNet® > Descubrir predictores clave > Gráficas

Nota

Este comando está disponible con el Módulo de análisis predictivo. Haga doble clic aquí para obtener información sobre cómo activar el módulo.

Seleccione las gráficas que desea mostrar para el análisis.

La gráfica disponible depende del criterio que usted elija para seleccionar el número óptimo de árboles. La gráfica muestra la relación entre el criterio y el número de árboles.
  • Gráfica de log-verosimilitud promedio vs. número de árboles
  • Gráfica de área bajo la curva ROC vs. número de árboles
  • Gráfica de tasa de clasificación errónea vs. número de árboles
Gráfica de importancia de las variables
La gráfica de importancia de la variable muestra la importancia relativa de los predictores. Puede elegir si desea mostrar todas o algunas de las variables importantes. Las variables son importantes cuando se utilizan como divisores principales.
  • Todas las variables importantes: De forma predeterminada, esta gráfica muestra todas las variables importantes.
  • Un porcentaje de las variables importantes: Especifique el porcentaje de variables importantes que se mostrarán. Ingrese un valor entre 0 y 100.
  • Todas las variables predictoras: Muestre todos los predictores sean o no variables importantes.
Curva Característica Operativa del Receptor (ROC)
La curva de característica operativa del receptor (ROC) muestra la capacidad de un modelo para distinguir entre clases. La curva ROC representa la tasa de verdaderos positivos (TPR) con respecto a la tasa de falsos positivos (FPR).
Gráfica de ganancia
La gráfica de ganancia acumulada ilustra la efectividad del modelo en una parte de la población. La gráfica de ganancia traza la tasa positiva real en porcentaje frente a % de población.
Gráfica de elevación
La gráfica de elevación ilustra la eficacia del modelo predictivo. La gráfica representa la elevación acumulada versus el % de población y muestra la diferencia entre los resultados obtenidos con y sin el modelo predictivo. Puede especificar Acumulado o No acumulado para la gráfica de elevación.
Gráfica de caja de las probabilidades del evento
Para una respuesta binaria, la gráfica de caja de las probabilidades de evento muestra la distribución de las probabilidades de evento para los datos de prueba y de entrenamiento.
Gráfica de dependencia parcial de un predictor para las principales K variables importantes, K =
Las gráficas de dependencia parcial para un predictor muestran los valores ajustados de las probabilidades de medio logaritmo para las 6 variables importantes principales, de forma predeterminada. Puede aumentar o disminuir el número de variables importantes que se pueden trazar.
Gráfica de dependencia parcial de dos predictores para las principales K variables importantes, K =
Las gráficas de dependencia parcial para dos predictores muestran los valores ajustados de las probabilidades de medio logaritmo para las 2 variables importantes principales, de forma predeterminada. Puede aumentar o disminuir el número de variables importantes que se pueden trazar.
Para las gráficas con predictores categóricos, Minitab crea una gráfica de dispersión de los valores ajustados. Para los predictores continuos, puede especificar gráficas Superficie, Contorno o ambas.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política