Tabla de métodos para MARS^®

El criterio que MARS^® se utiliza para crear el modelo. MARS^® utiliza el máximo R-cuadrado (predeterminado) o la desviación absoluta media mínima para seleccionar el mejor modelo. El criterio de desviación absoluta media intenta disminuir la influencia de los puntos con los peores ajustes en comparación con el criterio R-cuadrado.

MARS^® Utiliza el método de validación cruzada o un conjunto de pruebas independiente para validar el modelo. Con la validación cruzada, puede especificar las filas para cada pliegue o permitir una selección aleatoria. Con un conjunto de pruebas independiente, puede especificar las filas para los conjuntos de entrenamiento y de prueba o permitir una selección aleatoria.

El análisis se ajusta a este número de funciones base antes de utilizar la eliminación inversa de funciones base para seleccionar el mejor modelo. El valor predeterminado es 30. Los valores más grandes indican que el análisis realizó una búsqueda más exhaustiva del modelo óptimo.

Un nudo es un punto de datos donde cambian las funciones básicas. De forma predeterminada, el análisis utiliza el tamaño de la muestra y la complejidad del modelo para seleccionar automáticamente un número mínimo. De lo contrario, la tabla muestra el número específico para el análisis. Un valor de 1 indica que los puntos de datos consecutivos son aptos para ser puntos donde cambia la función base. El valor de 1 permite los cambios más rápidos en las predicciones del modelo. Considere diferentes valores para ver el efecto en el ajuste del modelo. Por ejemplo, para algunos datos, los valores más grandes crean modelos más suaves que tienen menos probabilidades de sobreajustar los datos de entrenamiento. Estos modelos más suaves a veces son menos precisos en ciertos rangos de datos.

El número de observaciones de respuesta que están en el análisis y que se ajustan al modelo y lo evalúan.

El número de observaciones de respuesta faltantes. Esto también incluye los valores faltantes o ceros en la columna de ponderación.