Especificar la configuración predeterminada para Descubrir el mejor modelo (Respuesta continua)

Archivo > Opciones > Analítica predictiva > Descubrir el mejor modelo (Respuesta continua)

Especificar los métodos predeterminados para Descubrir el mejor modelo (Respuesta continua). Los cambios que haga en los valores predeterminados se mantendrán vigentes hasta que los cambie de nuevo, incluso después de salir de Minitab.

Criterio para seleccionar el mejor modelo

Elija el criterio para determinar el mejor tipo de modelo. Puede comparar los resultados de varios métodos para determinar la mejor opción para el uso específico.

R-cuadrado máximo

El método del valor máximo de R² funciona bien en muchas aplicaciones. Este método minimiza la suma de los errores cuadráticos.

Usar la función de pérdida de Huber para ajustar los modelos de TreeNet®: Cuando el criterio es el valor máximo de R², puede seleccionar utilizar la función de pérdida de Huber para ajustarse a los modelos TreeNet^®. La función de Huber es un híbrido de la función de R cuadrada máxima y de la función del valor mínimo de la desviación absoluta media. Con la función de Huber, especifique un valor de conmutación. La función de pérdida se inicia como el error al cuadrado. La función de pérdida sigue siendo el error al cuadrado siempre que el valor sea menor que el valor de conmutación. Si el error al cuadrado supera el valor de conmutación, la función de pérdida pasa a ser la desviación absoluta. Si la desviación absoluta llega a ser menor que el valor de conmutación, la función de pérdida se convierte en el error cuadrático nuevamente.

Desviación absoluta media mínima

Este método minimiza la suma de los valores absolutos de los errores.

Parámetro de complejidad de árbol individual para los modelos de regresión TreeNet®

Elija una de las siguientes opciones para limitar el tamaño de los árboles.

Máximo de nodos terminales por árbol: Ingrese un valor entre 2 y 2000 para representar el número máximo de nodos terminales de un árbol. En general, un valor de 6 proporciona buen equilibrio entre la velocidad de cálculo y la investigación de interacciones entre variables. Un valor de 2 elimina la investigación de las interacciones.
Profundidad máxima del árbol: Ingrese un valor entre 2 y 1000 para representar la profundidad máxima de un árbol. El nodo raíz corresponde a una profundidad de 1. En muchas aplicaciones, las profundidades de 4 a 6 proporcionan modelos razonablemente adecuados.