Ejemplo de predicción con Regresión Random Forests®

Nota

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

Un equipo de investigadores recopila datos de la venta de propiedades residenciales individuales en Ames, Iowa. Los investigadores quieren identificar las variables que afectan el precio de venta. Las variables incluyen el tamaño del lote y varias características de la propiedad residencial.

  1. Complete el Ejemplo de Regresión Random Forests®.
  2. Abra los datos de ejemplo Ames_predicciones_de_vivienda.MTW.
  3. Asegúrese de que la hoja de cálculo que contiene los datos de predicción esté activa y haga clic en el botón situado en la Predecir parte inferior de los resultados.
  4. En la lista desplegable, seleccione Ingresar columnas de valores.
  5. Ingrese los valores siguientes:
    fachada de lote fachada de lote
    área de lote área de lote
    zona de chapa zona de chapa
    Zona sótano 1 Zona sótano 1
    Zona sótano 2 Zona sótano 2
    Zona inacabada del sótano Zona inacabada del sótano
    Zona total del sótano Zona total del sótano
    1ª planta 1ª planta
    2ª planta 2ª planta
    Zona de baja calidad Zona de baja calidad
    Zona de estar Zona de estar
    Zona de garaje Zona de garaje
    zona de cubierta de madera zona de cubierta de madera
    zona de porche abierto zona de porche abierto
    Porche cerrado Porche cerrado
    Porche de temporada Porche de temporada
    porche de pantalla porche de pantalla
    Zona de piscina Zona de piscina
    Valor varios Valor varios
    año construido año construido
    año remodelado año remodelado
    baños completos en el sótano baños completos en el sótano
    medios baños en el sótano medios baños en el sótano
    Número de baños completos Número de baños completos
    La mitad de los baños La mitad de los baños
    Número de habitaciones Número de habitaciones
    Número de cocinas Número de cocinas
    Total de habitaciones Total de habitaciones
    Número de chimeneas Número de chimeneas
    Año de garaje Año de garaje
    Coches de garaje Coches de garaje
    mes vendido mes vendido
    año vendido año vendido
    tipo tipo
    zona zona
    calle calle
    Callejón Callejón
    forma de lote forma de lote
    Planitud de la tierra Planitud de la tierra
    servicios públicos municipales servicios públicos municipales
    configuración configuración
    Estilo de pendiente Estilo de pendiente
    barrio barrio
    condición 1 condición 1
    condición 2 condición 2
    Calidad Calidad
    condición condición
    Estilo de techo Estilo de techo
    Material de techo Material de techo
    Exterior tipo 1 Exterior tipo 1
    Exterior tipo 2 Exterior tipo 2
    tipo chapa tipo chapa
    Calidad exterior Calidad exterior
    Estado exterior Estado exterior
    tipo de cimentación tipo de cimentación
    Altura del sótano Altura del sótano
    Estado del sótano Estado del sótano
    Acceso al sótano Acceso al sótano
    Acabado sótano tipo 1 Acabado sótano tipo 1
    Acabado sótano tipo 2 Acabado sótano tipo 2
    Tipo de calefacción Tipo de calefacción
    Calidad de la calefacción Calidad de la calefacción
    aire acondicionado central aire acondicionado central
    tipo eléctrico tipo eléctrico
    La calidad de la cocina La calidad de la cocina
    función función
    La calidad de la chimenea La calidad de la chimenea
    Tipo de garaje Tipo de garaje
    Acabado en garaje Acabado en garaje
    La calidad del garaje La calidad del garaje
    Estado del garaje Estado del garaje
    unidad pavimentada unidad pavimentada
    La ubicación es La ubicación es
    Cerca Cerca
    Función misc Función misc
    tipo de venta tipo de venta
    estado de venta estado de venta
  6. Haga clic en Aceptar.

Interpretar los resultados

Minitab utiliza árboles de regresión Random Forests® en los resultados para estimar el ajuste para un conjunto de valores de predicción. Los investigadores buscan los precios de venta pronosticados para diversas configuraciones de predictores.
Ajuste
224796
88291
522279
480260
216826
112932
137328
190311
229939
229610
362637
174576
238485
256864