Méthodes et formules pour le récapitulatif du modèle dans la fonction CART® Regression

Sélectionnez la méthode ou la formule de votre choix.

Prédicteurs importants

Nombre de prédicteurs ayant une importance relative positive.

Tout arbre de régression est une collection de divisions. Chaque division apporte une amélioration à l'arbre. Chaque division comprend également des divisions de substitution qui apportent également une amélioration à l'arbre. L'importance d'une variable est donnée par toutes ses améliorations lorsque l'arbre l'utilise pour diviser un nœud, que ce soit directement ou comme substitut lorsqu'une valeur est manquante pour une autre variable. La formule suivante donne l'amélioration à un seul nœud :

Les valeurs de I(t), de pGauche et de pDroite dépendent du critère de partition des nœuds. Pour plus d'informations, accédez à Méthodes de partition des nœuds dans CART® Regression.

La formule de l'importance relative pour le qe prédicteur mesure l'importance par la variable la plus importante :

R carré

Le R2 est également appelé coefficient de détermination.

Racine de l'erreur quadratique moyenne (RMSE)

Erreur quadratique moyenne (MSE)

Ecart absolu moyen (MAD)

Pourcentage d'erreur absolue moyen (MAPE)

Notation

TermeDescription
yii e valeur de réponse observée
réponse moyenne
i e réponse ajustée
Nnombre d'enregistrements
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique