Este comando está disponible con el módulo Módulo de análisis predictivo. Haga clic aquí para obtener más información sobre cómo activar el módulo.
Después de crear un modelo con Descubrir el mejor modelo (Respuesta continua), puede hacer clic en Seleccione un modelo alternativo para explorar otros modelos. Si selecciona un modelo de Random Forests ®, una opción es especificar hiperparámetros que se ajusten a nuevos modelos. Si especifica hiperparámetros, los resultados incluirán la tabla Optimización de hiperparámetros. La tabla compara las combinaciones de hiperparámetros. Los resultados siguientes a la tabla Optimización de hiperparámetros son para el modelo con el mejor valor del criterio de optimalidad, como el valor máximo de R2.
R2 es el porcentaje de variación en la respuesta explicado por el modelo.
Utilice el valor de R2 para determinar qué tan bien se ajusta el modelo a los datos. Cuanto mayor sea el valor de R2, mejor se ajusta el modelo a los datos. R2 siempre se encuentra entre 0% y 100%.
Debido a que Random Forests® utiliza datos out-of-bag para calcular R2, pero no para ajustar el modelo, el sobreajuste del modelo no es un tema de preocupación.
La desviación absoluta media (MAD) expresa la exactitud en las mismas unidades que los datos, lo que ayuda a conceptualizar la cantidad de error. Los valores atípicos tienen menos efecto en la MAD que en R2.
Se utiliza para comparar los ajustes de diferentes modelos. Valores más pequeños indican un mejor ajuste.
Esta fila indica la elección del número de predictores a considerar.
El tamaño mínimo del nodo interno indica el número mínimo de casos que un nodo puede tener y aún dividirse en más nodos.
El número de muestras con reemplazamiento (bootstrap) indica el número de árboles en el análisis.