Ejemplo de Descubrir predictores clave con Clasificación TreeNet^®

Interpretar los resultados

Para este análisis, Minitab Statistical Software compara 28 modelos. El número de pasos es menor que el número máximo de pasos porque el predictor Estabilidad de espuma tiene una puntuación de importancia de 0 en el primer modelo, por lo que el algoritmo elimina 2 variables en el primer paso. El asterisco de la columna Modelo de la tabla Evaluación de modelos muestra que el modelo con el valor más pequeño de la estadística de log-verosimilitud promedio es el modelo 23. Los resultados que siguen a la tabla de evaluación del modelo son para el modelo 23.

Aunque el modelo 23 tiene el valor más pequeño de la estadística de log-verosimilitud promedio, otros modelos tienen valores similares. El equipo puede hacer clic Seleccione un modelo alternativo para producir resultados para otros modelos de la tabla Evaluación de modelos.

En los resultados del Modelo 23, la gráfica de log-verosimilitud promedio vs. número de árboles muestra que el número óptimo de árboles es casi el número de árboles del análisis. El equipo puede hacer clic en Ajustar hiperparámetros para identificar un mejor modelo para incrementar el número de árboles y ver si los cambios en otros hiperparámetros mejoran el rendimiento del modelo.

La gráfica Importancia relativa de las variables presenta los predictores en el orden de su efecto en la mejora del modelo cuando se realizan divisiones en un predictor sobre la secuencia de árboles. La variable predictora más importante es tiempo de mezcla. Si la importancia de la variable predictora más importante,tiempo de mezcla, es del 100%, entonces la siguiente variable importante, Temperatura del horno, tiene una contribución del 93.9%. Esto significa que Temperatura del horno es el 93.9% tan importante como tiempo de mezcla.

Utilice las gráficas de dependencia parcial para obtener información sobre cómo las variables o pares de variables importantes afectan la respuesta pronosticada. Los valores de respuesta en la escala de 1/2 logaritmo son las predicciones a partir del modelo. Las gráficas de dependencia parcial muestran si la relación entre la respuesta y una variable es lineal, monótona o más compleja.

Las gráficas de dependencia parcial de un predictor muestran que los valores medios para tiempo de mezcla, Temperatura del horno y Tiempo para hornear incrementan las probabilidades de un pretzel aceptable. Un valor medio de Tiempo seco disminuye las probabilidades de un pretzel aceptable. Los investigadores pueden hacer clic en Seleccionar más predictores para graficar para producir gráficas para otras variables.

La gráfica de dependencia parcial de dos predictores de tiempo de mezcla y Temperatura del horno muestra una relación compleja entre las dos variables y la respuesta. Aunque los valores medios de tiempo de mezcla y Temperatura del horno aumentan las probabilidades de un pretzel aceptable, la gráfica muestra que las mejores probabilidades ocurren cuando ambas variables tienen valores medios. Los investigadores pueden hacer clic en Seleccionar más predictores para graficar para producir gráficas para otros pares de variables.