Consideraciones de datos para Ajustar modelo y Descubrir predictores clave con Regresión 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 continua

Una variable continua se puede medir y ordenar, y tiene un número infinito de valores entre dos valores cualesquiera. Por ejemplo, los diámetros de una muestra de llantas son una variable continua.

Los datos de la variable de respuesta deben ser valores numéricos.

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