Soporte de Minitab® 

Interpretar los resultados para Descubrir el mejor modelo (Respuesta binaria)

Más información sobre Minitab
Nota

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

En este tema

Los resultados incluyen la tabla de selección del modelo y los resultados para el modelo con el mejor valor del criterio de precisión para el análisis, como la log-verosimilitud mínima promedio. Vaya al tipo de modelo correspondiente para obtener orientación sobre la interpretación de los resultados.

Selección del modelo

Los resultados para Descubrir el mejor modelo (Respuesta binaria) incluyen la tabla de selección del modelo. Utilice los resultados para comparar el rendimiento de los diferentes tipos de modelos. Un asterisco identifica al mejor modelo. La tabla incluye las siguientes medidas de rendimiento del modelo:
Log-verosimilitud promedio
La log-verosimilitud promedio es una medida de precisión del modelo. Los valores más pequeños indican un mejor ajuste.
Área bajo la curva ROC
La curva ROC representa la tasa de verdaderos positivos (TPR), también conocida como potencia, en el eje Y. La curva ROC representa la tasa de falsos positivos (FPR), también conocida como error de tipo 1, en el eje X. El área bajo una curva ROC indica si el modelo es un buen clasificador.
Para los árboles de clasificación, los valores del área bajo la curva ROC normalmente varían de 0.5 a 1. Valores más grandes indican un mejor modelo de clasificación. Cuando el modelo puede separar perfectamente las clases, el área bajo la curva es 1. Cuando el modelo no puede separar las clases mejor que una asignación aleatoria, el área bajo la curva es 0.5.
Tasa de clasificaciones erróneas
La tasa de clasificación errónea indica la frecuencia con la que el modelo clasifica con precisión los valores de respuesta. Valores más pequeños indican mejor rendimiento.
Copyright © 2024 Minitab, LLC. All rights Reserved.