Porcentaje de estadísticas de error debido a residuos más grandes para Regresión Random Forests^®

Cada fila de la tabla muestra las estadísticas de error para el porcentaje dado de residuos. El porcentaje del error cuadrático medio (MSE) que proviene de los residuos más grandes es generalmente mayor que el porcentaje de las otras dos estadísticas. El MSE utiliza los cuadrados de los errores en los cálculos, así que las observaciones más extremas normalmente tienen mayor influencia en la estadística.

Si selecciona la validación con un conjunto de pruebas además de la validación out of bag, la tabla muestra los resultados tanto de los datos out of bag como de los datos del conjunto de pruebas.

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 2930. Desde la perspectiva del MSE, eso indica que el 1% de los datos explican alrededor del 36% del error. En ese caso, los 30 casos que aportan la mayor parte del error al modelo pueden representar la oportunidad más natural de mejorar el modelo. Encontrar una manera de mejorar los ajustes para esos casos conduce a un aumento relativamente grande en el rendimiento general del modelo.

Esta condición también puede indicar que usted puede tener mayor confianza en los nodos del modelo que no incluyen 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.