Consideraciones de datos para Ajustar modelo y Descubrir predictores clave con Clasificación TreeNet^®

Para asegurarse de que los resultados sean válidos, tenga en cuenta las siguientes directrices al recopilar datos, realizar el análisis e interpretar los resultados.

La variable de respuesta debe ser categórica

Las variables categóricas contienen un número finito y contable de categorías o grupos distintos. Los datos categóricos pueden o no tener un orden lógico. Por ejemplo, las variables categóricas pueden ser sexo, tipo de material y método de pago.

• Si la variable de respuesta tiene dos categorías, como pasa y no pasa, la respuesta es binaria.
• Si la variable de respuesta contiene tres o más categorías, la respuesta es multinomial.

Los datos de la variable de respuesta deben ser valores de texto o valores numéricos. No se permiten valores de fecha/hora.

Si la variable de respuesta es continua, utilice Ajustar modelo o Descubrir predictores clave para Regresión TreeNet^®.

Las variables predictoras pueden ser continuas o categóricas

Puede utilizar una combinación de predictores continuos o categóricos; sin embargo, las columnas de cada predictor deben tener la misma extensión que la columna de respuesta. Se permiten valores faltantes.

• Todos los predictores continuos deben ser numéricos.
• Los predictores categóricos pueden ser valores de texto o numéricos.

Se recomienda un conjunto de prueba cuando el número de casos es > 2000

Por opción predeterminada, Minitab utiliza la validación cruzada cuando el número de casos es ≤ 2000. Cuando el número de casos es mayor que 2000, Minitab utiliza un conjunto de prueba. Normalmente, la validación cruzada es un mejor método de validación, pero requiere más tiempo para calcular los resultados. La validación con un conjunto de prueba es útil cuando el método de validación cruzada consume demasiado tiempo.

Para obtener más información sobre la configuración de las técnicas de validación en Ajustar modelo y Descubrir predictores clave, vaya a Especificar el método de validación para Ajustar modelo y Descubrir predictores clave con Clasificación TreeNet®.