Porcentaje de estadísticos del error debido a los residuos más grandes para Regresión CART^®

Cada fila de la tabla muestra los estadísticos del error para el porcentaje dado de residuos. El porcentaje del cuadrado medio del error (MSE) que proviene de los residuos más grandes es generalmente mayor que el porcentaje de los otros dos estadísticos. El MSE utiliza los cuadrados de los errores en los cálculos, así que las observaciones más extremas normalmente tienen mayor influencia en el estadístico. Grandes diferencias entre el porcentaje de error para el MSE y las otras dos medidas puede indicar que el árbol es más sensible a la selección de dividir los nodos con mínimo cuadrado del error o con desviación absoluta mínima.

Cuando se utiliza una técnica de validación, Minitab calcula estadísticos separados para los datos de entrenamiento y de prueba. Puede comparar los estadísticos para examinar el rendimiento relativo del árbol en los datos de entrenamiento y en nuevos datos. Los estadísticos de prueba suelen ser una mejor medida de cómo será el rendimiento del árbol para nuevos datos.

Un patrón posible es que un pequeño porcentaje de los residuos explique gran parte del error en los datos. Por ejemplo, en la tabla siguiente, el tamaño total del conjunto de datos es de aproximadamente 4500. Desde la perspectiva del MSE, eso indica que el 1% de los datos explican alrededor del 12% del error. En ese caso, los 45 casos que aportan la mayor parte del error al árbol pueden representar la oportunidad más natural de mejorar el árbol. Encontrar una manera de mejorar los ajustes para esos casos conduce a un aumento relativamente grande del rendimiento general del árbol.

Esta condición también puede indicar que puede tener una mayor confianza en los nodos del árbol que no tiene casos con los errores más grandes. Debido a que la mayor parte del error proviene de un pequeño número de casos, los ajustes para los otros casos son relativamente más exactos.