Spécifier les paramètres par défaut pour les arbres de régression

Fichier > Options > Analyse prédictive > CART® Régression

Spécifier les méthodes par défaut pour les arbres de régression. Les modifications apportées aux paramètres par défaut s'appliquent jusqu'à une nouvelle modification de ces derniers, même si vous avez quitté Minitab.

Méthode de division des nœuds
Choisissez la méthode de fractionnement pour générer votre arbre de décision. Vous pouvez comparer les résultats des deux méthodes de fractionnement pour déterminer le meilleur choix pour votre application.
  • : La méthode d’erreur la moins carrée est la méthode par défaut qui fonctionne bien sur de nombreuses applications. La méthode d’erreur la moins carrée minimise la somme des erreurs carrées.
  • : La méthode d’écart le moins absolue minimise la somme des valeurs absolues d’erreurs.
Critères de sélection de l’arbre optimal
Quand est le critère de la méthode de fractionnement du nœud, choisissez entre ces critères pour produire l’arbre dans les résultats. Vous pouvez comparer les résultats de différents arbres pour déterminer le meilleur choix pour votre application.
R carré maximum
Sélectionnez cette option pour afficher les résultats de l’arbre avec la valeur maximale R-carré.
Dans K erreurs types du R carré maximum ; K =
Sélectionnez cette option pour que Minitab choisisse le plus petit arbre avec une valeur R2 qui tombe dans les erreurs standard K de l’arbre avec la valeur R2 maximale. Par défaut, le K1, de sorte que l’arbre dans les résultats est le plus petit arbre de classification avec une valeur R2 dans 1 erreur standard de la valeur R2 maximale.
Lorsque le moment est choisi comme méthode de fractionnement des nœuds, choisissez entre ces critères pour sélectionner l’arbre dans les résultats. Vous pouvez comparer les résultats de différents arbres pour déterminer le meilleur choix pour votre application.
Moindre écart moyen absolu
Sélectionnez cette option pour afficher les résultats de l’arbre avec l’écart absolu le moins moyen.
Dans K erreurs types du moindre écart moyen absolu ; K =
Select this option to have Minitab choose a tree with a mean absolute deviation value that falls within K standard errors of the tree with the least mean absolute deviation value. Par défaut, le K1, de sorte que l’arbre dans les résultats est le plus petit arbre de classication avec une valeur absolue moyenne d’écart dans 1 erreur standard de la valeur minimale moins absolue d’écart.
Nombre minimal de cas pour diviser un nœud interne
Entrez une valeur pour représenter le nombre minimum de cas qu’un nœud interne à diviser. La valeur par défaut est 10. Avec de plus grandes tailles d’échantillon, vous voudrez peut-être augmenter ce minimum. Par exemple, si un nœud interne a 10 cas ou plus, Minitab va essayer d’effectuer une scission. Si le nœud interne a 9 cas ou moins, Minitab n’essaiera pas d’effectuer une scission.
La limite interne de nœuds doit être au moins deux fois la limite terminale de nœud, mais des ratios plus élevés sont meilleurs. Les limites internes de nœuds d’au moins 3 fois les limites terminales de nœuds permettent un nombre raisonnable de diviseurs.
La valeur par défaut est de 10.
Nombre minimal de cas autorisés pour un nœud terminal
Entrez une valeur pour représenter le nombre minimum de cas qui peuvent être séparés en un nœud terminal. La valeur par défaut est de 3. Avec de plus grandes tailles d’échantillon, vous voudrez peut-être augmenter ce minimum. Par exemple, si une scission crée un nœud avec moins de 3 cas, Minitab n’effectuera pas de fractionnement.
La valeur par défaut est de 3.
Pénalité de valeur manquante
Entrez une valeur de pénalité pour un prédicteur avec des valeurs manquantes. Parce qu’il est plus facile d’être un bon diviseur avec moins de données, les prédicteurs avec des données manquantes ont un avantage sur les prédicteurs sans données manquantes. Utilisez cette option pour pénaliser les prédicteurs avec des données manquantes.
0,0 K 2,0, par exemple :
  • K 0: Ne précise aucune pénalité.
  • K 2 : Spécifie la peine la plus élevée.
Pénalité de catégorie de haut niveau
Entrez une valeur de pénalité pour les prédicteurs catégoriques qui ont de nombreuses valeurs. Parce que les prédicteurs catégoriques avec de nombreux niveaux peuvent déformer un arbre en raison de leur puissance de fractionnement accrue, ils ont un avantage sur les prédicteurs avec moins de niveaux. Utilisez cette option pour pénaliser les prédicteurs avec de nombreux niveaux.
0,0 K à 5,0, par exemple :
  • K 0: Ne précise aucune pénalité.
  • K 5: Spécifie la peine la plus élevée.
Affichage de graphiques et de tables
Valeurs résiduelles pour les diagrammes
Spécifier le type de résidus à afficher sur le boxplot de parcelles résiduelles.
  • : Par défaut, le boxplot affiche des résidus réguliers.
  • : Spécifier pour afficher le pourcentage de résidus sur le boxplot.
Type de nœud terminal
Choisissez d’afficher les meilleurs nœuds, les pires nœuds, ou à la fois pour le tableau des statistiques d’ajustements et d’erreurs et les critères pour classer le tableau des sujets.
  • : Par défaut, Minitab affiche les meilleurs nœuds terminaux. Les meilleurs nœuds ont les valeurs MSE ou MAD les plus basses.
  • : Sélectionnez pour afficher les pires nœuds terminaux. Les pires nœuds ont les valeurs MSE ou MAD les plus élevées.
  • : Sélectionnez pour afficher les meilleurs et les pires nœuds terminaux.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique