Nota
Este comando está disponible con el Módulo de análisis predictivo. Haga doble clic aquí para obtener información sobre cómo activar el módulo.
La gráfica de la tasa de clasificación errónea vs. número de árboles muestra la tasa de clasificación errónea en el eje Y y el número de árboles en el eje X. La tasa mínima de clasificación errónea indica si el modelo es un buen clasificador. Utilice los resultados de prueba para evaluar el rendimiento del modelo para predecir nuevas observaciones. Compare los resultados de entrenamiento y los resultados de prueba para determinar si hay problemas de sobreajuste con el modelo con respecto al conjunto de datos de entrenamiento.
Cuando el área bajo la curva ROC determina el número de árboles para el modelo óptimo, Minitab muestra la gráfica Área bajo la curva ROC vs. número de árboles. Cuando el valor de máxima verosimilitud determina el número de árboles para el modelo óptimo, Minitab muestra la gráfica de log-verosimilitud promedio vs. número de árboles.
Interpretación
Las tasas de clasificación errónea deben ser ≥ 0. Los valores más bajos indican un mejor modelo de clasificación. La línea de referencia indica la tasa óptima de clasificaciones erróneas para los datos de prueba y el número de árboles en el modelo. Si la curva de prueba indica un modelo insuficiente, considere reintentar el análisis con configuraciones alternativas, como tasas de aprendizaje más grandes o más pequeñas, o una fracción de submuestra más grande.
