Boîte à moustaches des valeurs résiduelles pour CART® Regression

Utilisez la boîte à moustaches des valeurs résiduelles pour évaluer l'exactitude globale de l'arbre. Lorsque l'analyse utilise une technique de validation, vous pouvez également comparer l'exactitude de l'arbre pour les données d'apprentissage et de test.

La boîte à moustaches montre la différence entre les valeurs réelles et ajustées. Les points à plus de 1,5 fois l'étendue interquartile du quartile le plus proche ont des symboles individuels.

Interprétation

Dans l'idéal, les valeurs résiduelles sont toutes proches de 0, par rapport à l'échelle de la variable de réponse. Lorsque vous utilisez une technique de validation, Minitab crée des diagrammes distincts pour les données d'apprentissage et de test. Vous pouvez comparer les diagrammes pour examiner les performances relatives de l'arbre avec les données d'apprentissage et avec de nouvelles données. Vous pouvez également rechercher différents schémas qui pourraient indiquer une différence à étudier entre les données d'apprentissage et les données de test.

Ces boîtes à moustaches présentent des résultats similaires pour les ensembles de données d'apprentissage et de test. Cette similitude suggère que les performances de l'arbre avec de nouvelles données sont proches de celles obtenues avec les données d'apprentissage.

L'étendue interquartile des boîtes à moustaches pour les deux ensembles de données est d'environ -2,6 à 2,6. 50 % des données présentent des valeurs résiduelles dans cette fourchette. Les valeurs résiduelles restantes sont plus grandes. Etant donné que l'étendue interquartile est d'environ 5, les valeurs résiduelles qui sont en dehors de la plage approximative allant de -10,5 à 10,5 ont des symboles individuels. Les valeurs résiduelles les plus grandes sont proches de 20 dans les directions positive et négative. Ces grandes valeurs résiduelles peuvent indiquer que l'arbre n'ajuste pas toutes les données correctement.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique