Seleccione un modelo alternativo de Descubrir predictores clave con Clasificación TreeNet®

Revisión general

Cuando utiliza Descubrir predictores clave para eliminar los predictores menos importantes, Minitab Statistical Software produce resultados para el modelo con el mejor valor del criterio de precisión para el análisis, como la log-verosimilitud mínima promedio. Minitab le permite explorar otros modelos de la secuencia que condujo a la identificación del modelo óptimo. Por lo general, se selecciona un modelo alternativo si otro modelo tiene un valor del criterio cercano al mejor, pero con menos predictores. Un modelo con menos predictores es más fácil de interpretar, puede tener una mejor precisión de predicción y le permite centrarse en un número más pequeño de predictores para observar o controlar.

Por ejemplo, la siguiente tabla de selección de modelos tiene 13 pasos. El modelo con la menor log-verosimilitud promedio es el modelo con todos los predictores. El modelo en el paso 11 tiene una log-verosimilitud promedio relativamente cercana al mejor valor. El modelo en el paso 11 tiene 3 predictores. Los resultados completos del modelo en el paso 11 también son de interés.

Clasificación TreeNet® - Descubrir los predictores clave: Pretzel acep vs. proteína de , Agua, ...

Gráfica de eliminación de predictores

Selección del modelo eliminando predictores no importantes Prueba Número óptimo de Log-verosimilitud Número de Modelo árboles promedio predictores 1 268 0.273936 29 2 268 0.274186 27 3 234 0.273843 26 4 233 0.274350 25 5 232 0.274943 24 6 273 0.275553 23 7 244 0.274811 22 8 268 0.274258 21 9 272 0.274185 20 10 232 0.274077 19 11 287 0.273598 18 12 227 0.274358 17 13 276 0.275374 16 14 272 0.276082 15 15 268 0.275595 14 16 268 0.277810 13 17 253 0.276436 12 18 231 0.276159 11 19 268 0.273537 10 20 260 0.273455 9 21 299 0.272848 8 22 278 0.272629 7 23* 299 0.267184 6 24 297 0.288621 5 25 234 0.330342 4 26 290 0.305993 3 27 245 0.534345 2 28 146 0.599837 1

Modelo Predictores eliminados 1 Ninguno 2 Estabilidad de espuma, Densidad a granel 3 Concentración gelificación mín. 4 Modo horno 2 5 método kiln 6 Modo horno 1 7 velocidad de mezcla 8 Modo horno 3 9 Superficie en reposo 10 temperatura de hornear 3 11 herramienta de mezcla 12 temperatura de hornear 1 13 Tiempo de descanso 14 Agua 15 Concentración cáustica 16 capacidad de hinchazón 17 Estabilidad de emulsión 18 actividad de emulsión 19 Capacidad de absorción de agua 20 Capacidad absorción de aceite 21 proteína de harina 22 Capacidad de espuma 23* tamaño de la harina 24 temperatura de hornear 2 25 Tiempo seco 26 temperatura de gelatinización 27 Tiempo para hornear 28 Temperatura del horno El algoritmo eliminó un solo predictor y todos los predictores con 0 importancia en cada paso. * El modelo seleccionado tiene la mínima-logververosimilitud promedio. A continuación se muestra la salida del modelo seleccionado.

Realizar el análisis

Haga clic en Seleccione un modelo alternativo del resultado. Se abre un cuadro de diálogo que muestra una gráfica del criterio frente al número de predictores eliminados y una tabla que resume los pasos.

Comparar los criterios

Para seleccionar un modelo alternativo, haga clic en un punto de la gráfica o en una fila de la tabla. Pulse Display results para crear los resultados para ese modelo.

Una vez que muestre los resultados, puede hacer clic en un botón de los resultados para ajustar los hiperparámetros del modelo o para realizar predicciones a partir del modelo. Para obtener más información, vaya a Seleccionar los valores de hiperparámetro para ajustar Ajustar modelo y Descubrir predictores clave con Clasificación TreeNet® o Predecir nuevos resultados para Ajustar modelo y Descubrir predictores clave con Clasificación TreeNet®.