Exemple de prévision avec Regression Random Forests®

Remarque

Cette commande est disponible avec le Module d'analyse prédictive. Cliquez ici pour plus d'informations sur l'activation du module.

Contexte de la tâche en cours

  1. Complétez Exemple de Regression Random Forests®.
  2. Ouvrez l'ensemble de données échantillons Ames_prévisions_de_logement.MTW.
  3. Assurez-vous que la feuille de calcul qui contient les données de prévision est active et cliquez sur le bouton Prévoir au bas des résultats de l'arbre de régression.
  4. Dans la liste déroulante, sélectionnez Entrer des colonnes de valeurs.
  5. Saisissez les valeurs suivantes :
    façade de lot façade de lot
    zone de lot zone de lot
    zone placage zone placage
    sous-sol zone 1 sous-sol zone 1
    sous-sol zone 2 sous-sol zone 2
    sous-sol zone inachevée sous-sol zone inachevée
    superficie totale du sous-sol superficie totale du sous-sol
    1er étage 1er étage
    Zone du 2ème étage Zone du 2ème étage
    zone de mauvaise qualité zone de mauvaise qualité
    zone de vie zone de vie
    zone de garage zone de garage
    zone de pont en bois zone de pont en bois
    zone de porche ouvert zone de porche ouvert
    porche fermé porche fermé
    porche de saison porche de saison
    porche d’écran porche d’écran
    piscine piscine
    valeur diverse valeur diverse
    année construite année construite
    année remodelée année remodelée
    salles bains complètes sous-sol salles bains complètes sous-sol
    demi-salles bains au sous-sol demi-salles bains au sous-sol
    salles de bains complètes salles de bains complètes
    nombre de demi-salles de bains nombre de demi-salles de bains
    nombre de chambres nombre de chambres
    nombre de cuisines nombre de cuisines
    chambres totales chambres totales
    nombre de foyers nombre de foyers
    année garage année garage
    voitures de garage voitures de garage
    mois vendu mois vendu
    année vendue année vendue
    type type
    zone zone
    rue rue
    ruelle ruelle
    forme de lot forme de lot
    aplatissement des terres aplatissement des terres
    services publics municipaux services publics municipaux
    configuration configuration
    style pente style pente
    quartier quartier
    état 1 état 1
    état 2 état 2
    qualité qualité
    condition condition
    style toit style toit
    matériau de toit matériau de toit
    type extérieur 1 type extérieur 1
    type extérieur 2 type extérieur 2
    type placage type placage
    qualité extérieure qualité extérieure
    état extérieur état extérieur
    type de fondation type de fondation
    hauteur du sous-sol hauteur du sous-sol
    état du sous-sol état du sous-sol
    accès au sous-sol accès au sous-sol
    finition sous-sol type 1 finition sous-sol type 1
    finition sous-sol type 2 finition sous-sol type 2
    type de chauffage type de chauffage
    qualité de chauffage qualité de chauffage
    air central air central
    type électrique type électrique
    qualité de cuisine qualité de cuisine
    fonction fonction
    qualité de cheminée qualité de cheminée
    type garage type garage
    finition garage finition garage
    qualité de garage qualité de garage
    état de garage état de garage
    entraînement pavé entraînement pavé
    qualité de la piscine qualité de la piscine
    clôture clôture
    misc fonctionnalité misc fonctionnalité
    type de vente type de vente
    condition de vente condition de vente
  6. Cliquez sur OK.

Interpréter les résultats

Minitab utilise les arbres de régression de forêt aléatoire dans les résultats pour estimer l'ajustement de l'ensemble de valeurs de prédiction. Les chercheurs trouvent les prix de vente prévus pour divers paramètres des prédicteurs.
Ajustement
224796
88291
522279
480260
216826
112932
137328
190311
229939
229610
362637
174576
238485
256864
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique